Modelação Estatística Computacional
Receber informações sobre o curso:
Domine técnicas estatísticas avançadas para análise de dados complexos
Pós-Graduação | Presencial
A Pós-Graduação em Modelação Estatística Computacional tem como principal objetivo o desenvolvimento de competências no domínio da Estatística Computacional.
A formação contempla 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.
Os graduados em Modelação Estatística Computacional possuirão excelentes e atrativas competências para o emprego em todas as áreas onde haja necessidade de tratamento intensivo de dados, como na indústria, serviços e investigação.
INFORMAÇÃO GERAL E DE CANDIDATURAS
Destinatários: Licenciados ou pós-graduados nas áreas científicas da Matemática, Estatística, Física, Ciência de Computadores, Engenharia, Economia, Biologia e áreas afins
Presencial | 1 ano
Candidaturas até 27/05
Início em setembro 2026
Estudante Nacional 1.000€ |
Estudante Internacional 2.500€
36 ECTS
Domine técnicas estatísticas avançadas para análise de dados complexos
Metodologias atuais de extração de conhecimento a partir de dados
Statistical Learning, Data Mining, Inferência Estatística Computacional, Métodos de Decisão, Modelação Estatística e Simulação
PARCEIROS
PLANO DE ESTUDO
1.º SEMESTRE
Horas de contacto: 42 horas
ECTS: 6
Estatística Aplicada
Horas de contacto: 42 horas
ECTS: 6
Estatística Computacional
Horas de contacto: 42 horas
ECTS: 6
Modelos Lineares Generalizados
Horas de contacto: 21 horas
ECTS: 3
Modelos Não Paramétricos
Horas de contacto: 21 horas
ECTS: 3
2.º SEMESTRE
Horas de contacto: 42 horas
ECTS: 6
Data-Driven Decision Making
Horas de contacto: 31,5 horas
ECTS: 4,5
Métodos Estatísticos em Data Mining
Horas de contacto: 31,5 horas
ECTS: 4,5
Statistical Learning
Horas de contacto: 42 horas
ECTS: 6
Visualização Interativa
Horas de contacto: 21 horas
ECTS: 3
CANDIDATURAS
A primeira fase de candidaturas decorre até 27 de maio de 2026.
A candidatura é submetida, obrigatoriamente, através do SIGARRA. Consulta a informação e documentação necessárias:
Calendarização
Início em setembro de 2026.
*Cronograma provisório. Poderá sofrer alterações previamente comunicadas pela direção do curso.
O que dizem os formandos
MIGUEL REBELO
“Hoje, posso dizer que sou ‘ML Engineer’, graças à qualidade científica da formação que tive. Tenho perfeita consciência de que as ferramentas com que fui munido foram condição si ne qua non. O foco é saber pensar e não saber manusear esta ou aquela ferramenta. Encontrei 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.”
Machine Learning Engineer na E-goi
JOÃO CARVALHO
“Esta Pós-Graduação fornece as ferramentas base 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. Foi uma excelente experiência, excedendo as minhas expectativas, 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. ”
Economista
JOÃO CARVALHO
“Esta Pós-Graduação fornece as ferramentas base 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. Foi uma excelente experiência, excedendo as minhas expectativas, 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. ”
Economista
ANA BEZERRA
“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. 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. Quem ingressar nesta Pós-Graduação não sairá desiludido.”
Engenheira Química
Formadores
RITA GAIO
Coordenadora Científica
JOSÉ MILHAZES DE FREITAS
MARGARIDA BRITO
JOAQUIM PINTO DA COSTA
ÓSCAR FREITAS
JOÃO PEDRO PEDROSO
JOÃO TAVARES