27266
-20% Candidate-se até dia 30 de julho e aproveite a Bolsa de Apoio ao Estudo
| Online | Lecionado em Português | Início: Outubro 2026 | 9 meses, 18 ECTS | Faculdade de Ciências Sociais e Tecnologia |
Num mercado cada vez mais orientado por dados e Inteligência Artificial, as organizações precisam de profissionais capazes de construir infraestruturas modernas, escaláveis e cloud-native.
A Pós-Graduação 100% Online em Modern Data Engineering prepara profissionais para desenvolver pipelines de dados robustos, operar plataformas modernas de dados e implementar arquiteturas preparadas para Analytics, Machine Learning e GenAI.
O programa combina uma abordagem prática com tecnologias amplamente utilizadas no mercado, como Python, SQL, Polars, Spark e plataformas cloud, permitindo aos participantes trabalhar desde a preparação e transformação de dados até à construção de pipelines escaláveis.
Com laboratórios, mini projetos e um capstone final, os participantes desenvolvem competências para criar soluções de dados eficientes, escaláveis e alinhadas com os desafios reais da transformação digital.
| UNIDADE CURRICULAR | UNIDADE DE ENSINO | ECTS |
|---|---|---|
| Transformação e Modelação Analítica | Fundamentos de Dados e Modelação para Análise | 3 |
| SQL para Análise (Prático) | ||
| ELT Moderno e Camadas (Bronze/Silver/Gold) | ||
| Data Marts e Métricas de Negócio | ||
| Mini-Projeto: Construção de um Modelo Analítico Simples | ||
| Fundamentos de Data Engineering | Ciclo de Vida dos Dados, Roles e Importância nas Organizações | 3 |
| Programação e Ferramentas Básicas | ||
| Bases de Dados e Modelação | ||
| ETL e Pipelines de Dados + Mini- lab | ||
| Ferramentas & Frameworks para Engenharia de Dados | ||
| Engenharia de Dados com Polars e PySpark | Ingestão e Transformação de Dados (Polars) | 3 |
| Processamento Distribuído (Spark) | ||
| Streaming de Dados (Spark) | ||
| Otimização e Performance | ||
| Mini-Projeto: Pipelines de Dados End-to-ends | ||
| Cloud Data Platforms, Orquestração e Segurança | Plataformas Cloud para Dados | 3 |
| Orquestração de Pipelines de Dados | ||
| Segurança em Plataformas de Dados | ||
| Custos em Plataformas de Dados | ||
| Pipeline End-to-End na Clouds | ||
| Data Engineering for AI (MLOps/LLMOps e Frameworks) | Ciclo de Vida dos Dados para IA: Treino, Validação, Inferência, Ciclo de Feedback | 3 |
| Feature Stores e Pipelines para Treino (offline/online) | ||
| MLOps: Versionamento (dados/modelo), CI/CD, Registo, como Serviço | ||
| LLMOps / GenAI: RAG, embeddings, vector DB, avaliação e guardrails | ||
| Curso de Estudo: De dados e Monitorização de Sistemas de IA | ||
| Governance, Data Management e Capstone (com IA) | Fundamentos Estratégicos de Data Governance | 3 |
| Data Quality Framewords (Regras, Testes, Observability) | ||
| Metadata, Lineage and Data Discovery | ||
| AI Readiness, Compliance e Ética em IA | ||
| Implementação de Data Governance e Data Quality |
Filipe Ramos
Diretor da Pós-Graduação Online em Modern Data Engineering
PhD em Gestão – Métodos Quantitativos pelo ISCTE Business School, com vasta experiência de docência e formação nas áreas da Matemática, Estatística, Data Science, Business Analytics e Métodos Quantitativos aplicados à gestão e à tomada de decisão. A sua atividade de investigação centra-se na Análise de Dados e Modelação Matemática, em especial em Time Series Analysis and Forecasting, Data Science, Machine Learning e Deep Learning. É investigador integrado no CETRAD – Europeia Hub e investigador colaborador no CEAUL e no LAETA. É autor de diversos trabalhos científicos publicados em revistas e conferências internacionais, indexados na Web of Science e Scopus e divulgados através do Google Scholar.
Susana Almeida
Diretora da Pós-Graduação Online em Modern Data Engineering
Licenciada em Matemática pela FCT–Universidade Nova de Lisboa e possui Pós-Graduação em CRM e Estudos de Mercado pela Nova IMS. Conta com mais de 25 anos de experiência em analytics, desenvolvendo soluções de Data Mining, Machine Learning e Inteligência Artificial para suporte à decisão em banca e telecomunicações. É docente convidada no ISCTE e no IPAM, onde leciona temas de analytics e IA aplicada ao negócio.
Corpo docente composto por profissionais do ramo, com larga experiência.
Mestre em Engenharia Matemática, Pós-graduada em Inteligência Artificial Aplicada e licenciada em Matemática. Atualmente, trabalha como data scientist no Centro de Excelência em Inteligência Artificial (CEIA) do BPI.
Doutorado em Engenharia, conta com um percurso diversificado que cruza a investigação com os desafios da indústria. Foi no setor das Telecomunicações que se consolidou no processamento de dados em larga escala. Exerce atualmente as funções de Machine Learning Engineer Team Leader, focando-se na arquitetura e liderança de soluções escaláveis.
Mestre em Business Intelligence e atualmente doutorando em Ciência da Informação. Autor publicado e participante ativo em debates sobre explainable AI e aplicações de blockchain. Product Strategist orientado a dados e Data Architect, com mais de 10 anos de experiência. Especialista em entrega ágil de produto e arquitetura de dados em cloud, tem liderado iniciativas com Microsoft Fabric, Azure Synapse e Power BI. Já desempenhou funções de consultoria e product ownership nos setores farmacêutico, bancário e do tabaco, onde desenvolveu e implementou soluções escaláveis e orientadas por dados.
Doutorado em Ciência da Computação e mestre em Engenharia Mecânica. As suas áreas de especialização incluem previsão de séries temporais, IA generativa e visão computacional aplicada a sistemas autónomos. Trabalhou na Amazon como applied scientist em em IA/ML para logística. Atualmente, trabalha como applied scientist em IA/ML na Adidas AG, onde desenvolve modelos generativos para o design de produtos 3D.
Licenciado em Engenharia Mecânica, com especialização em Ciência de Dados. Desempenhou funções de Airworthiness Engineer e Power Plant Engineer. Exerce atualmente funções de Senior Data & AI Engineer & Telco Pre-Sales Architect na Capgemini Engineering, atuando como autoridade técnica para o setor das telecomunicações.
Data Engineer
Projeta e implementa pipelines de dados que transformam informação bruta em dados fiáveis para análise e decisão empresarial.
Senior / Distributed Data Engineer
Desenvolve soluções de dados distribuídas que permitem evoluir de acordo com as necessidades tecnológicas e do negócio.
Data Platform Engineer
Gere e implementa plataformas de dados robustas que suportam analytics, BI e inteligência artificial nas organizações.
Cloud Data Engineer
Constrói e otimiza soluções de dados em ambientes cloud, assegurando escalabilidade, segurança e eficiência operacional.
Analytics Engineer
Transforma dados técnicos em modelos analíticos acessíveis, ligando a enganharia de dados às necessidades do negócio.
Data Architect
Define a arquitetura de dados da organização, alinhando modelos, tecnologias e governação com os objetivos estratégicos.
ML / AI Data Engineer
Prepara e operacionaliza os dados para Machine Learning e Inteligência Artificial, garantindo a qualidade e performance dos modelos.
Data Integration & Quality Engineer
Assegura a integração, consistência e qualidade dos dados, promovendo confiança na informação utilizada pela organização.
Ao longo do programa, irá ter prática com tecnologias amplamente utilizadas em Data Engineering, bem como ferramentas de orquestração e versionamento e plataformas cloud. Algumas ferramentas práticas, aplicáveis de imediato, que irá usar:
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.
Data Engineering é a área responsável por desenhar, construir e gerir infraestruturas e pipelines de dados que permitem recolher, transformar e disponibilizar informação para análise, Business Intelligence e Inteligência Artificial.
Um Engenheiro de Dados desenvolve pipelines de dados, integra diferentes fontes de informação e garante a qualidade, fiabilidade e escalabilidade dos dados. Trabalha com tecnologias como Python, SQL, Spark e cloud para suportar decisões estratégicas nas empresas.
O Data Engineer foca-se na construção e gestão de infraestruturas de dados, enquanto o Data Scientist analisa esses dados para gerar insights e modelos preditivos. Ambos são complementares no ecossistema de dados. Se pretende trabalhar com análise, modelos estatísticos e IA, Data Science é o caminho. Se prefere construir sistemas de dados robustos e escaláveis, Data Engineering é a escolha ideal — com elevada procura no mercado.
Para se tornar um data engineer, deve desenvolver competências em programação (Python), bases de dados (SQL), processamento distribuído (Spark) e cloud. Esta Pós-Graduação Online em Modern Data Engineering oferece uma formação prática e alinhada com o mercado.
Sim. O programa foi desenhado para preparar profissionais para uma carreira em Data Engineering, incluindo funções como Junior Data Engineer, Big Data Engineer ou Data Architect, com foco em projetos reais e tecnologias utilizadas pelas empresas.
O Data Architect define a arquitetura global dos sistemas de dados, enquanto o Data Engineer implementa e opera essas soluções no dia a dia, garantindo o seu funcionamento eficiente.
Vai trabalhar com Python, SQL, Polars, PySpark, Apache Spark, Airflow, dbt e plataformas cloud como AWS, além de conceitos como Data Lake, Data Warehouse e Lakehouse.
Sim. A formação inclui conceitos e práticas de Big Data Engineering, como processamento distribuído com Spark, pipelines de dados em larga escala e otimização de performance.
Sim. O curso integra conceitos de MLOps e LLMOps, preparando-o para construir infraestruturas de dados que suportam Machine Learning e soluções de Inteligência Artificial.
Sim. O mercado português e internacional apresenta uma crescente procura por Engenheiros de Dados, especialmente com competências em Cloud, Big Data e Inteligência Artificial.