16873
-20% Candidate-se até dia 30 de junho e aproveite a Bolsa de Apoio ao Estudo
| Online | Lecionado em Português | Início: Setembro 2026 | 6 meses / 2 vezes por semana / formato intensivo, 18 ECTS | Faculdade de Ciências Sociais e Tecnologia |
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.
| 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.
José Manuel Fonseca
Co-Diretor
Doutorado em Management pela Business School da Universidade de Hertfordshire, em Inglaterra, em 1998. Mestre em Comportamento Organizacional pelo Instituto Superior de Psicologia Aplicada de Lisboa. Fellow do Complexity and Management Centre - University of Hertfordshire, Invited Researcher de Chalmers University of Technology, em Gutemburgo.
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
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
Mestrado em Engenharia de Telecomunicações e Computadores | Investigador Assistente no Centro de Investigação ISTAR.
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.