ATENÇÃO: Esta página foi traduzida automaticamente pelo Google Translate. Isto pode ter consequências inesperadas no conteúdo apresentado e, portanto, não nos responsabilizamos pelo resultado dessa tradução automática.
ATTENTION: this page has been automatically translated by Google Translate. This can have unexpected consequences and, therefore, we do not take responsibility for the result of that automatic translation.
Lecionado em Português
O Mestrado em Ciência de Dados tem como objetivo principal proporcionar aos seus participantes uma formação atual e rigorosa, que lhes permita um bom domínio teórico e prático dos mais recentes conhecimentos verificados na área, numa perspetiva interdisciplinar e multidisciplinar, imprescindíveis para garantir uma boa inserção no mercado de trabalho.
Os objetivos gerais do programa são os seguintes:
Providenciar competências e aptidões necessárias para processar e analisar grandes volumes de dados (Big Data), bem como extrair valor e conhecimento para tomada de decisão;
Desenvolver competências avançadas em áreas como Data; Text Mining, Machine Learning e suas aplicações para problemas concretos;
Dotar os estudantes com metodologias, procedimentos e técnicas de investigação que lhes permitam a identificação, formulação e resolução de problemas (e projetos) de forma crítica, criativa e autónoma.
O Mestrado em Ciência de Dados visa colmatar uma lacuna que se tem revelado cada vez maior no tecido empresarial português (e.g., financeiro, políticas públicas, seguros, setor de pescas e agricultura, energia, telecomunicações, turismo, saúde), e que se prende com os desafios inerentes à extração de conhecimento e valor do enorme manancial de dados que existe, quer nas empresas, quer na Internet. Desta forma, o Mestrado proporciona formação avançada que permite complementar uma formação de base em áreas onde a Matemática, Estatística e Ciências de Computação tenham sido um pilar fundamental, de forma a alavancar competências analíticas, descritivas e preditivas nos mestrandos que possibilitem investigação ou aplicação avançada e inovadora.
2025/2026
Consulte aqui o plano de estudos detalhado
Nota: Existem unidades curriculares com possibilidade de receber alunos internacionais, podendo por isso ser lecionadas em língua inglesa, nomeadamente, Gestão de Big Data, Modelos de Previsão e Análise Estatística não Supervisionada.
| Unidades curriculares | Semestre | ECTS |
|---|---|---|
| Análise de Séries Temporais e Previsão * | 2 | 6.0 |
| Fundamentos de Business Analytics * | 1 | 6.0 |
| Modelação Bayesiana * | 2 | 6.0 |
| Seminário Interdisciplinar em Ciência de Dados * | 2 | 6.0 |
| Text Mining para Ciência de Dados * | 2 | 6.0 |
Optativas recomendadas
A identificação das unidades curriculares optativas fica sujeita à análise das competências prévias dos candidatos admitidos, no processo de análise das candidaturas, tendo como referência os seguintes planos de formação:
Plano personalizado A - para estudantes com competências prévias na área de Ciência de Dados:
> Conhecimento e Raciocínio em Inteligência Artificial
> Tópicos de Matemática em Aprendizagem Automática
> 2 Optativas livres
Plano personalizado B - para estudantes sem competências prévias na área de Ciência de Dados:
> Aprendizagem Estatística Não Supervisionada
> Processamento e Modelação de Big Data
> 1 Optativa livre
Plano personalizado C - para estudantes sem competências prévias nas áreas de Ciência de Dados e Programação:
> Aprendizagem Estatística Não Supervisionada
> Processamento e Modelação de Big Data
Podem ser identificados outros planos de formação alternativos dependendo das competências prévia do candidato.
| Unidades curriculares | Semestre | ECTS |
|---|---|---|
| Aprendizagem Profunda para Visão por Computador * | 1 | 6.0 |
| Desenho de Projeto para Ciência de Dados * | 1 | 6.0 |
| Dissertação em Ciência de Dados * | 1 | 48.0 |
| Trabalho de Projecto em Ciência de Dados * | 1 | 48.0 |
Optativas recomendadas
A identificação das unidades curriculares optativas fica sujeita à análise das competências prévias dos candidatos admitidos, no processo de análise das candidaturas, tendo como referência os seguintes planos de formação:
Plano personalizado A - para estudantes com competências prévias na área de Ciência de Dados:
> Conhecimento e Raciocínio em Inteligência Artificial
> Tópicos de Matemática em Aprendizagem Automática
> 2 Optativas livres
Plano personalizado B - para estudantes sem competências prévias na área de Ciência de Dados:
> Aprendizagem Estatística Não Supervisionada
> Processamento e Modelação de Big Data
> 1 Optativa livre
Plano personalizado C - para estudantes sem competências prévias nas áreas de Ciência de Dados e Programação:
> Aprendizagem Estatística Não Supervisionada
> Processamento e Modelação de Big Data
Podem ser identificados outros planos de formação alternativos dependendo das competências prévia do candidato.
Fornecer uma formação abrangente em Ciência de Dados, alinhada com as tendências atuais e necessidades do mercado e das linhas de investigação emergentes.
Fornecer conhecimentos e competências em análise avançada de dados, especialmente para lidar com big data e para a extração de conhecimento de dados não estruturados (texto e imagem).
Fornecer formação aplicada destinada a desenvolver capacidades e competências no manuseamento das ferramentas tecnológicas mais recentes para ciência de dados.
Formar profissionais competentes no estado da arte atual relativamente à data governance, seleção e engenharia de atributos e à construção e utilização de modelos de aprendizagem adequados a diferentes regimes e formatos de dados.
2025/2026
EMPREGABILIDADE
98% de Taxa de Empregabilidade Iscte Business School
98% dos diplomados do 2º ciclo da Iscte Business School estão em profissões ajustadas/adequadas ao nível de qualificações
As entidades empregadoras estão globalmente muito satisfeitas com os diplomados do Iscte: 2º ciclo - 4,6 (escala de 1 a 5)
100% de Taxa de Empregabilidade ISTA
99% dos diplomados do 2º ciclo da ISTA estão em profissões ajustadas/adequadas ao nível de qualificações
Qualificação académica ao nível da Licenciatura;
Conhecimentos de Matemática, Estatística e Programação
CRITÉRIOS DE SELEÇÃO
Consulta os critérios de seleção AQUI
DOCUMENTOS PARA CANDIDATURA
As candidaturas são submetidas exclusivamente online.
É obrigatório anexar os seguintes documentos:
- Fotografia (estilo passe e no formato jpg, jpeg ou png)
- Documentos de Identificação (Cartão de Cidadão para candidatos/as nacionais ou Passaporte para candidatos/as internacionais)
- Diploma de Licenciatura com notas finais*
- Curriculum vitae
- Motivação para ingressar no programa (campo preenchido diretamente no formulário de candidatura)
*Candidatos/as que ainda não terminaram Licenciatura deverão ainda anexar:
- Compromisso de Honra (documento disponível para download no formulário de candidatura);
- Transcrição das notas com as respetivas classificações e média parcial obtidas à data da candidatura (são aceites imagens do portal de estudante)
PROCESSO DE SELEÇÃO
IMPORTANTE - A análise das candidaturas é feita numa base contínua, a partir do momento em que o período de candidaturas é aberto. Por esta razão, encorajamos candidaturas antecipadas.
O processo de seleção compreende quatro fases, descritas abaixo:
1. Avaliação Inicial
Após completar a candidatura online e de ter efetuado o pagamento da respetiva taxa (não-reembolsável), a candidatura será avaliada pelos membros da Comissão de Análise das Candidaturas.
2. Entrevista
Durante o período de Avaliação Inicial o/a candidato/a poderá ser convocado/a para uma entrevista com o Diretor de Mestrado ou outro membro da Comissão de Análise das Candidaturas.
3. Decisão
Todos/as os/as candidatos/as serão notificados/as da decisão. Os resultados seguirão por email e estarão disponíveis no portal de candidaturas.
4. Inscrição
Em caso de admissão, os/as candidatos/as serão informados/as em detalhe acerca do processo de matrícula/inscrição. Será dado um prazo para efetuarem a matrícula (confirmando dessa forma o seu lugar no Mestrado). Note-se que os/as candidatos/as admitidos/as terão, depois da matrícula, de efetuar o pagamento da primeira prestação das propinas até à data limite estabelecida.
