Breve Introdução
Este mestrado visa formar especialistas habilitados a abordar e resolver problemas usando métodos e técnicas de uma vasta gama que constitui a Engenharia e Ciência de Dados.
Pretende-se também iniciar os estudantes à investigação nesta área, dotando-os de capacidade para apreenderem os avanços e técnicas mais recentes, aspecto de extrema importância, por se tratar de uma área de enorme dinamismo, com um alto ritmo de inovação, exigindo dos seus praticantes uma elevada capacidade de actualização. Esta formação preparará também os estudantes para prosseguir uma carreira de investigação, quer em ambiente académico, quer em grupos de investigação e desenvolvimento em Engenharia e Ciência de Dados, hoje em dia cada vez mais comuns em empresas de várias dimensões.
O MECD tem uma comissão de coordenação composta por três professores, sendo um de cada um dos três departamentos envolvidos:
- M. Rosário Oliveira (Departamento de Matemática)
- Bruno Martins (Departamento de Engenharia Electrotécnica e de Computadores)
- Mário J. Gaspar da Silva (Departamento de Engenharia Informática)
Historial
- A edição de 2023 da Lisbon Machine Learning School (LxMLS'23) terá lugar entre os dias 14 e 20 de Julho, no Centro de Congressos do IST, sendo o prazo limite para candidaturas até 28 de Abril. Os estudantes do MECD poderão candidatar-se a bolsas para participação na escola (serão atribuídas 2 bolsas para estudantes do MECD). Os estudantes deverão indicar se são estudantes do MECD, na carta de motivação da sua candidatura, junto com outros elementos curriculares relevantes.
- No dia 24 Fevereiro de 2023, pelas 16h30 na sala EA2, a Prof. Luísa Canto e Castro Loura (CEAUL e FFMS/PORDATA) apresentou um palestra aos estudantes do MECE com o título "Pordata em ano de mudança". Foi feita uma breve apresentação da Pordata, e foram discutidos alguns dos desafios técnicos associados à infraestrutura tecnológica que suporta esta base de estatísticas.
- Bárbara Tavares, estudante do mestrado em Engenharia e Ciência de Dados, conquistou o segundo lugar no Fraunhofer Portugal Challenge 2022.
- Gonçalo Faria, estudante do mestrado em Engenharia e Ciência de Dados, venceu em 2022 o prémio melhor tese de mestrado da Associação Portuguesa de Reconhecimento de Padrões. Este estudante havia também já sido reconhecido em 2021 com o prémio Prof. Luís Vidigal.
Objectivos
- Formar especialistas com competências sólidas num subconjunto das disciplinas que integram a Engenharia e Ciência de Dados, habilitados a abordar e resolver uma vasta classe de problemas em aquisição, gestão e processamento de dados e em extração, análise e visualização de informação.
- Habilitar os estudantes a integrar equipas de trabalho, as quais são, tipicamente, de grande dimensão e com alguma heterogeneidade e multidisciplinares, incluindo especialistas com diferentes perfis de especialização.
- Iniciar os estudantes à investigação em Engenharia e Ciência de Dados, dotando-os de capacidade para apreenderem os avanços e as técnicas mais recentes e para actualizarem os seus conhecimentos no decorrer da sua vida profissional.
- Familiarizar os estudantes com problemas e aplicações práticas, nos quais se empregam técnicas e métodos de Engenharia e Ciência de Dados, quer em ambiente empresarial, de serviços e indústria, quer em aplicações de natureza científica.
Destinatários
Podem canditar-se licenciados, preferencialmente nas áreas de matemática ou estatística, engenharia, finanças, economia ou gestão, ou em áreas afins, desde que possuam formação básica em estatística, álgebra e programação.
Saídas Profissionais
O interesse das empresas e das organizações (privadas e públicas, com ou sem fins lucrativos) em vários tópicos da Engenharia e Ciência de Dados tem vindo a crescer exponencialmente. O tecido empresarial conhece bem o enorme valor económico/comercial da informação e da sua utilização como elemento diferenciador entre competidores, no que frequentemente se designa por business intelligence. Também o sector financeiro usa crescentemente técnicas e ferramentas da Engenharia e Ciência de Dados, não só para dar suporte e auxílio a decisões estratégicas, como também em muitas outras aplicações, desde a avaliação de crédito até às transações em bolsa baseadas em algoritmos (algorithmic trading).
A Ciência de Dados é também uma área essencial da moderna segurança informática e das comunicações, sendo consensual que apenas técnicas que permitam lidar com e analisar os enormes volumes de dados que fluem nas modernas redes de comunicações e na Internet permitirão prever e identificar intrusões e outras ameaças à segurança.
Regime de Funcionamento
O Mestrado em Engenharia e Ciência de Dados está organizado num tronco comum e num conjunto de unidades curriculares (UC) opcionais.
O Tronco Comum oferece uma formação que se considera nuclear/essencial em informática, matemática e estatística para um especialista em Engenharia e Ciência de Dados, sendo constituído pelas seguintes 4 unidades curriculares:
- 1 UC de Electrotecnia e Computadores escolhida de entre as seguintes duas opções, focando-se em competências nas áreas de aprendizagem e optimização:
- Aprendizagem Automática / Machine Learning
- Optimização e Algoritmos / Optimization and Algorithms
- 1 UC de Informática escolhida de entre as seguintes duas opções, focando-se em competências de sistemas e tecnologias de informação:
- Visualização de Informação / Information Visualization
- Sistemas de Informação e Bases de Dados / Information Systems and Databases
- 1 UC de Matemática escolhida de entre as seguintes duas opções:
- Estatística Computacional / Computational Statistics
- Análise Multivariada / Multivariate Analysis
- UC de Aplicações de Engenharia e Ciência de Dados, onde se abordam problemas reais em ambiente empresarial ou de investigação.
Nota: Se um aluno possuir já formação considerada suficiente nas unidades curriculares nucleares de uma (ou mais) áreas, esta será substituída por outra, com a aprovação da comissão de coordenação do curso.
As UC opcionais são escolhidas de entre as apresentadas nas listas disponível na secção Currículo, sendo permitido a cada aluno realizar até 3 unidades curriculares de quaisquer unidades curriculares oferecidas em cursos de 2º ou 3º ciclo do IST ou em quaisquer unidades curriculares do Mestrado em Data Science da Faculdade de Ciências da Universidade de Lisboa, mediante aprovação da coordenação do MECD ( a contactar através do endereço coordmecd@tecnico.ulisboa.pt ).
Por fim, a Dissertação deve seguir as regras em vigor no IST, sendo realizada sob co-orientação de dois professores de dois departamentos diferentes, dos três que suportam este mestrado (DM, DEEC, e DEI).
Propinas
O Conselho de Gestão do IST concederá bolsas de mérito em 2020/21 equivalentes ao valor de uma propina anual, a 50% dos alunos no início do segundo ano e admitidos em 2019/2020 na primeira edição dos cursos de mestrado cuja propina seja maior ou igual a duas vezes a propina mínima definida para o segundo ciclo no IST, à data de admissão, condicionadas à aprovação a todas as UC do primeiro ano curricular, com média mínima de 14 valores.
De acordo com o regulamento, o Júri decidiu atribuir 10 bolsas de mérito, com a seguinte ordenação:
Posição |
Número |
Nome do/a Candidato/a |
1 |
86594 |
Mariana Sacramento Espada Venâncio Carrasco |
2 |
86581 |
Carolina Isabel Matias Vicente |
3 |
97136 |
Maria Soares de Almeida |
4 |
39953 |
Pedro Luís Ruivo Dias |
5 |
96986 |
Regina de Brito Duarte |
6 |
97031 |
Gonçalo Rui Alves Faria |
7 |
97160 |
João Bernardo Garcia de Morais |
8 |
86582 |
Catarina Domingues Cardoso Costa |
9 |
86963 |
Catarina Alexandra Conde Ribeiro Oliveira |
10 |
84006 |
André Filipe Vaz Godinho |
Publicações Oficiais
2021-11-08 | Despacho n.º 10895/2021, DR n.º 216, II Série, de 08/11, Pág. 149 a 153 | |
2021-10-19 | [DGES] Registo de alteração n.º R/A-Cr 6/2019/AL01 | |
2019-04-05 | Despacho n.º 3848/2019, DR n.º 68, II Série, de 05/04, Pág. 10974 a 10976 | |
2019-02-28 | [DGES] Registo inicial n.º R/A -Cr 6/2019 | |
2018-10-15 | [A3ES] Processo n.º NCE/17/1700101 | Decisão do CA (acreditado por 2 anos) | |
2017-10-16 | [A3ES] Processo n.º NCE/17/1700101 | Apresentação do pedido |
Coordenadores
A informação contida nesta página é da responsabilidade da equipa de coordenação do curso.