Parceria
Objetivos
O curso tem como principal objetivo o desenvolvimento de competências no domínio da Estatística Computacional, contemplando várias metodologias atuais de extração de conhecimento a partir de dados. Inclui formação em Aprendizagem Estatística (Statistical Learning), Data Mining, Inferência Estatística Computacional, Métodos de Decisão, Modelação Estatística, Simulação e Visualização de Dados. Como ferramentas e linguagens de programação serão usados R, Python e PowerBI
A formação permitirá a aquisição e/ou atualização de competências numa área científico-tecnológica emergente e de grande impacto na valorização do conhecimento. É especialmente indicada para formandos com objetivos de re-skilling e up-skilling.
Informação Geral
Destinatários: Licenciados ou pós-graduados nas áreas científicas da Matemática, Estatística, Física, Ciência de Computadores, Engenharia, Economia, Biologia e áreas afins.
Duração: 1 ano
Calendarização: 16 de setembro
ECTS: 36
Propina: Estudante Nacional 1.000€ | Estudante Internacional 2.500€ (saber mais)
Horário: Diurno (com horário concentrado)
Idioma: Português (Algumas unidades curriculares poderão ser dadas em inglês)
Programa e Dinâmicas de Funcionamento
1º Semestre
Horas de contacto: 42 horas
ECTS: 6
Horas de contacto: 42 horas
ECTS: 6
Horas de contacto: 21 horas
ECTS: 3
Horas de contacto: 21 horas
ECTS: 3
2º Semestre
Horas de contacto: 31,5 horas
ECTS: 4,5
Horas de contacto: 31,5 horas
ECTS: 4,5
Horas de contacto: 42 horas
ECTS: 6
Horas de contacto: 21 horas
ECTS: 3
Condições de Acesso
Prazos de candidatura 2024/2025: AQUI
Condições especificas de ingresso:
- Titulares do grau de licenciado ou titulares de um grau académico superior estrangeiro nas condições descritas na lei nas áreas de: Matemática, Estatística, Física, Ciência de Computadores, Engenharia, Economia, Biologia e áreas afins ou equivalente legal;
- Só serão admitidos candidatos(as) que tenham concluído, ou estejam em condições de concluir antes da matrícula, um dos 1º ciclos referidos no ponto anterior com a classificação mínima de 12 valores;
- Poderão ser admitidos candidatos que pelo seu currículo académico, científico ou profissional, a Comissão Científica do Curso reconheça reunir os requisitos necessários para a realização desta formação.
Critérios de Seleção e Seriação
A seriação será feita atendendo aos seguintes critérios e subcritérios:
- Currículo académico ao nível do 1º ciclo (60 %)
- Subcritério 1: área de formação (20 %)
- Subcritério 2: média aferida de licenciatura (40%)
A média aferida é obtida normalizando a média para a escala de 0 a 20, somando-lhe o valor de ln(R/r), e arredondando para o inteiro mais próximo na escala de 0 a 20, sendo ln o logaritmo natural e sendo R e r, respetivamente para a Universidade do Porto e para universidade onde foi realizado o curso, as posições no ranking mundial divulgado em http://www.webometrics.info
- Currículo científico e experiência profissional (40 %)
- Subcritério 1: área de formação (20 %)
- Subcritério 2: Formação pós-graduada anterior, publicações científicas, comunicações em conferências, projetos de investigação, experiência profissional e outros dados considerados pertinentes pela Comissão Científica do Curso (20 %)
Critério de desempate: Em caso de empate, será usado como critério de desempate a carta de motivação apresentada pelos estudantes.
Os candidatos que ainda não possuam grau de licenciado e/ou tenham currículo escolar, científico ou profissional, que seja reconhecido como atestando capacidade para realização deste ciclo de estudos pelo órgão científico estatutariamente competente, serão seriados de acordo com os critérios e subcritérios acima indicados, mas substituindo a média final de licenciatura pela média ponderada das unidades curriculares realizadas.
Para ingressar nestes cursos, deverá ter completado a formação de nível 3 ou 4, com aproveitamento a Matemática de nível secundário (12º ano).
Para a formação em Visualização de dados, deverá ter também alguma experiência em linguagens de programação, como R ou Python.
Análise e Exploração de Dados em R
Docentes responsáveis:
Rita Ribeiro, Francesco Renna e Pedro Ferreira
São cada vez mais os profissionais que no seu dia a dia necessitam de analisar e explorar dados em larga escala. A tendência é o domínio de ferramentas informáticas que facilitem esse trabalho. Utilizando as linguagens de programação R e Python, pretende-se que o formando adquira competências relevantes para a sua atividade profissional.
Visualização de Dados
Docente responsável:
Álvaro Figueira
Pretende criar estratégias elegantes e simples para resolver problemas de análise de dados? Realizar tarefas de análise de dados em grandes conjuntos de dados para descobrir visualmente padrões e formular hipóteses? Utilizamos R ou Python para esta formação. Sairá com plena capacidade de responder a estas e muitas outras questões.
Programação em Python
Docentes responsáveis:
Miguel Areias e Sérgio Crisóstomo
Pretende aprender a programar? Aprofundar conhecimentos em Python ou enveredar por um novo rumo profissional? O Python é uma linguagem atual, versátil e com imenso potencial: tecnologias web, sistemas de informação, ciências de dados, entre muito mais.
Bases de Dados
Docentes responsáveis:
Eduardo Marques e Michel Ferreira
O objetivo desta formação é dotar de conhecimento que permita a modelação em linguagem SQL das bases de dados, assim como perceber as potencialidades da utilização diária destas ferramentas.
Formadores
Testemunhos
Rogerio Nunes
Eng. Eletrotécnico e de Computadores
“Apesar do meu background ser ligado à engenharia e tecnologias de informação, portanto numa área eminentemente técnica e prática, procurava um curso de atualização que aliasse a componente teórica de fundamentação e sustentação da área de conhecimento estatística e análise de dados à aprendizagem e experiência prática (“hands-on”) na aplicação de ferramentas / modelos a casos concretos.
Encontrei isso mesmo na Pós-Graduação de Estatística Computacional e Análise de Dados, num balanço 100% conseguido. Durante o curso senti-me um aluno sempre acompanhado e encontrei um corpo docente empenhado e próximo do aluno, garantindo desta forma uma eficaz aprendizagem das competências âmbito.
A exigência, o rigor, a compreensão e o espírito de entreajuda vivido neste curso foram uma enorme mais valia e que nos enriquece a todos. Claramente recomendo a frequência deste curso. Nós conseguimos… anda daí!”
João Carvalho
Economista
“Antes de terminar a minha Licenciatura em Economia, já tinha intenção de aprofundar os meus conhecimentos na área da Estatística e Análise de Dados, e o aparecimento da Especialização em Estatística computacional e Análise de Dados (E:ECAD), foi uma opção natural para mim. Isto, porque o meu objetivo passa por ganhar competências na extração de valor dos dados.
Este curso fornece as ferramentas base no âmbito da análise de diferentes tipos de dados, possibilitando a criação dos modelos preditivos mais apropriados, avaliando a sua performance e fiabilidade. Os conteúdos possuem bastante robustez teórica, permitindo aos alunos ganharem sensibilidade com esta matéria, tanto conceptualmente como a nível prático, através de case-studies analisados em aula assim como dos trabalhos de grupo. A E:ECAD requer uma dedicação contínua, especialmente para os alunos que não tenham algum background matemático ao nível do ensino superior. No entanto, com empenho e entreajuda tudo se consegue, tornando-se bastante recompensador no final.
Este curso revelou ser uma excelente experiência, excedendo as minhas espectativas, quer a nível do corpo docente, quer dos conteúdos programáticos. A heterogeneidade da turma constituiu uma mais valia para as dinâmicas nas aulas e para a partilha de conhecimentos.”
Miguel Rebelo
Machine Learning Engineer na E-goi
“Hoje, posso dizer que sou ‘ML Engineer’, graças, não simplesmente ao curso (papel, que vindo da FCUP, tem um peso substancial), mas à qualidade científica da formação que tive. Tenho perfeita consciência de que as ferramentas com que fui munido durante o curso foram condição si ne qua non.
Neste curso não são privilegiadas ferramentas que se desatualizam no espaço de uma década. Fruto do CMUP, tem um peso substancial na teoria que está por detrás da técnica. Apesar disso, mas também por causa disso, tem um cariz prático muito relevante. Aqui o foco é saber pensar, e não, saber manusear esta ou aquela ferramenta, tornando a componente científica mais palatável ou inexistente.
Aqui encontrei, salvo raras exceções, professores rigorosos, comunicativos, com qualidade científica inquestionável, sensíveis aos esforços dos alunos, de uma disponibilidade notável, e que despertaram a
curiosidade dos alunos mesmo para matérias que, à partida, não pareceriam tão entusiasmantes.
Por tudo isto, posso garantir que, quem frequentar este curso por gostar de mergulhar no mundo dos dados, encontrará aqui o cinzel para que se torne menos pedra, e mais estátua.”
Ana Bezerra
Engenheira Química
“Olá o meu nome é Ana Bezerra e este é o meu testemunho enquanto aluna na pós-graduação em Estatística Computacional e Análise de Dados.
Esta pós-graduação surpreendeu-me pela positiva em termos de conteúdo, começando pela componente teórica que permite a compressão da metodologia de uma forma mais profunda e que também traz a flexibilidade de pensamento, que pode ser crítica para aplicações na vida real. Em termos práticos, existe sempre a realização de trabalhos, muitas vezes com dados de problemas reais, que permite aplicar metodologias atuais. Contudo, não pode faltar o aviso que esta pós-graduação requer um grande esforço por parte do aluno e muita pesquisa individual, muitas vezes em sites como Stack Overflow, mas também é essa bagagem que confere a autodidaxia necessária em qualquer emprego.
Assim, acho que quem ingressar nesta pós-graduação não sairá desiludido, mas sim pronto para aplicar os conhecimentos adquiri ao longo da sua vida.”