16873
-20% Candidate-se até dia 1 de dezembro e aproveite a Bolsa de Apoio ao Estudo
A Pós-Graduação em Data Analytics & Big Data oferece-lhe uma formação avançada que combina competências técnicas, analíticas, estratégicas e comunicacionais, essenciais para dominar Data Analytics & Big Data e preparando-o para enfrentar os desafios mais complexos da era digital.
Ao longo do curso, desenvolverá a capacidade de analisar grandes volumes de dados, identificar padrões e aplicar técnicas de machine learning para resolver problemas reais de forma eficiente. Terá ainda contacto com ferramentas matemáticas, estatísticas e computacionais, essenciais para a análise preditiva e para a construção de modelos que apoiem a tomada de decisões.
Com uma abordagem prática e orientada para o mercado, esta formação permite-lhe adquirir competências altamente valorizadas pelas empresas e preparar-se para a certificação da Data Science Portuguese Association (DSPA), reforçando a sua credibilidade profissional.
Além disso, garante equivalência de 18 ECTS (Sistema Europeu de Transferência de Créditos) no Mestrado em Ciência de Dados e Análise de Negócios, proporcionando-lhe a possibilidade de prosseguir os seus estudos académicos e potenciar a sua carreira.
Se procura destacar-se no mercado de trabalho e aplicar o poder dos dados em diferentes setores, esta é a formação que lhe dará as ferramentas para liderar com conhecimento e estratégia.
| Online | Lecionado em Português | Início: Março 2026 | 8 meses / 1 vez por semana, 18 ECTS | Faculdade de Ciências Sociais e Tecnologia |
| Módulos | Unidades de ensino | ECTS |
|---|---|---|
| Estatística para Data Analytics | Conceitos fundamentais & Métodos descritivos Distribuições Inferência estatística Redução & Classificação Regressão | 3 |
| Programação para Data Analytics | Introdução ao Python Funções Estrutura de dados Controlo de erros Programação orientada a objetos | 3 |
| Bases de Dados & Visualização | Bases de dados Fundamentos de SQL e funções Funções nativas Visualização de dados Power BI | 3 |
| Cloud Computing & Sistemas Distribuídos | Topologias de sistemas distribuídos Segurança informática Sistemas distribuídos e Big Data Computação em sistemas distribuídos Modelos de serviços cloud e distribuídos | 3 |
| Machine Learning & Applications | Fundamentos de Machine Learning Algoritmos de aprendizagem supervisionada - Princípios matemáticos e computacionais Algoritmos de aprendizagem supervisionada - Aplicações Algoritmos de aprendizagem não supervisionada - Princípios matemáticos e computacionais Algoritmos de aprendizagem não supervisionada - Aplicações | 3 |
| Data Analytics nas Organizações | Data Analytics nas Organizações: prespectivas e desafios futuros O Impacto do Data Analytics nas Organizações Data Analytics nos Mercados Financeiros Modelos de Machine Learning na tomada de decisão: Explicabilidade, Interpretabilidade e Ética Generative AI | 3 |
Fernando Gonçalves
Diretor
PhD em Matemática e Estatística pela University of Edinburg. Foi Bolseiro de pós-doutoramento da Fundação para a Ciência e Tecnologia e Visiting Fellow no Mathematical Sciences Institute da Australian National University.
Os seus interesses de investigação são em Matemática Financeira e, secundariamente, em Econometria Aplicada, sendo membro integrado do REM - Research in Economics and Mathematics, centro de investigação sediado no ISEG.
Filipe Ramos
Diretor
Doutorado em Gestão, na especialidade de Métodos Quantitativos, pelo ISCTE-Business School.
A sua atividade de investigação centra-se nos domínios da Análise de Dados e da Modelação Matemática, com destaque em: (i) "Time Series Analysis and Forecasting" (com especial aplicada às áreas da Economia, Gestão e Finanças); (ii) Data Analysis/Data Science; (iii) Machine Learning/Deep Learning.
Mestrado em Engenharia – Sistemas de Controlo | Founder & CEO, OpenBB
Mestre em Engenharia Matemática | Data scientist, Centro de Excelência em Inteligência Artificial (CEIA) do BPI | Professor, Universidade Europeia
MBA em Transformação Digital e Futuro dos Negócios | Managing Partner, Gnosisdata | Professor, Universidade Europeia
Mestrado em Matemática e Estatística | Senior Data Analyst, BNP | Professor, Universidade Europeia
Doutoramento em Matemática e Estatística | Professor, Universidade Europeia
Mestrado em Estatística | Principal Analytics & Artificial Intelligence Advisor, SAS Iberia | Professor, FCUL & Universidade Europeia
Doutoramento em Ciências e Tecnologias de Informação | Professor, Universidade Europeia
Mestrado em Engenharia Informática e de Computadores | Software Engineer, Revolut | Professor, Universidade Europeia
Mestrado em Estratégia e Gestão Empresarial | Sales Director, PwC | Professor, Universidade Europeia
Data analyst
Responsável pela inspeção, limpeza, transformação e modelização de dados, necessária à descoberta de informações úteis, identificação de padrões, extração de conclusões e suporte à tomada de decisão.
Data architect
Responsável por definir a infraestrutura necessária para projectos com grandes volumes de dados.
Especialista em análise de dados e machine learning
Responsável pela programação dos sistemas de tratamento de dados e aprendizagem automática.
DSPA
Preparação dos alunos para a certificação da Data Science Portuguese Association.
OPENBB
Colaboração durante o curso em modo de resolução de casos ou problemas práticos reais propostos em sala de aula.
Ao longo da Pós-Graduação em Análise de Dados, irá aprender a utilizar tecnologias e ferramentas aplicadas à análise de dados, essenciais para atuar no universo do Data Analytics e apoiar decisões estratégicas nas organizações.
Aulas 100% online em direto que ficarão gravadas e sempre disponíveis para que possa assistir quando e onde quiser.
Contará com o apoio dos nossos professores especializados que o irão ajudar na sua aprendizagem, bem como um gestor académico que o irá acompanhar e orientar durante o seu percurso académico.
Realização de projetos aplicados com casos de estudo reais e ambientes simulados, para que possa liderar os desafios da sua profissão.
Os candidatos interessados em ingressar na Universidade Europeia poderão formalizar a sua candidatura ao longo de todo o ano.
O processo de candidatura está sujeito às vagas existentes e à adequação do perfil do candidato ao ciclo de estudos de interesse.
Para dar início ao Processo de Admissão, o candidato deverá seguir estes 3 passos:
1
Agende uma conversa de esclarecimento com um Admissions Advisor
3
Avance com a formalização da candidatura online.
É o conjunto de métodos e tecnologias para recolher, tratar e analisar grandes volumes de dados com vista a suportar decisões de negócio e inteligência de negócios, potenciando a qualificação profissional em contextos de educação superior.
Permite transformar dados em informação acionável, melhorar estratégias de marketing, reduzir custos e criar novos produtos, fortalecendo o desenvolvimento de carreira em organizações orientadas por dados.
Concebe pipelines de dados, executa mineração de dados, constrói modelos preditivos e comunica resultados ao negócio, atuando em modelagem de dados e suporte à decisão.
Estatística aplicada, Python, SQL, Power BI, cloud computing e machine learning constituem o núcleo técnico de uma Pós-Graduação em Análise de Dados, refletindo planos de estudo comuns no setor.
Funções típicas incluem data analyst, data architect e especialista em machine learning, perfis com forte procura no mercado de trabalho em Portugal e na UE.
Adoção de plataformas cloud e sistemas distribuídos, MLOps, explicabilidade de modelos e análise em tempo real; a inteligência de negócios integra-se cada vez mais com modelagem de dados e governança.
Integra métodos quantitativos para estudar comportamentos, medir impacto de políticas e otimizar processos, conectando ciências sociais e inteligência de negócios em contextos públicos e privados.
Não. Setores como saúde, banca, retalho, logística e ciências sociais utilizam mineração de dados e estratégias de marketing orientadas por dados.
Data Analytics foca insights operacionais e inteligência de negócios; Data Science abrange pesquisa, experimentação e machine learning avançado. Ambos dependem de modelagem de dados robusta.