PREÇO

330€

> Oferta de 10% de desconto em inscrições, em simultâneo, nos dois níveis: Nível Introdutório/Intermédio e Nível Avançado

Curso elegível para a candidatura à medida “Cheque-Formação + Digital” – medida promovida pelo IEFP, em que poderá usufruir do reembolso de até 750€ em formação. Clique aqui para mais informações.

descrição

Este curso, em conjunto com o curso Python em Data Science – Nível Introdutório/Intermédio (Saiba Mais) constituem o Data Science Program em Python. Os participantes que se inscreverem em ambos os níveis, em simultâneo, beneficiarão de 10% de desconto no valor total da inscrição.

Para participação neste curso, recomendamos a participação no curso Python em Data Science – Nível Introdutório/Intermédio ou conhecimento de Python.

Este curso pretende capacitar profissionais ou investigadores académicos a usarem Python como uma ferramenta de apoio a projetos de data science, com o intuito de melhorar a tomada de decisão. Serão abordadas técnicas avançadas dentro da área de machine learning ou deep learning, para quem pretenda iniciar ou reforçar os seus conhecimentos nestas áreas.

Serão abordadas metodologias orientadas para a análise estatística, visualização explicativa de dados, realização de previsões, assim como técnicas para adaptar um projeto em python às necessidades de cada formando, recorrendo a casos práticos e exemplos.

A discussão e a aplicação a casos reais serão incentivadas, sensibilizando para a aplicação de diferentes técnicas em projetos futuros.

Espera-se que no final os alunos sejam capazes de extrair poder dos dados e possam utilizar as técnicas ministradas para executar autonomamente um projeto de data science, apto a criar valor no âmbito das suas organizações.

Será privilegiada a interação durante as sessões, através da aplicação dos conceitos em casos práticos e da discussão acerca da sua aplicação em problemas reais. Espera-se assim que os formandos sejam capazes de trazer as suas questões e problemas que enfrentam nas suas organizações ou na sua investigação.

a quem se destina

Profissionais e estudantes acadêmicos que queiram incorporar a análise de dados para fins descritivos, preditivos e no suporte à tomada de decisão.

formadores

Luís Dias

Luís Dias é AI Solutions Architect na TUI Tech Portugal e possui um doutoramento em Engenharia Gestão Industrial, bem como uma forte especialização em Inteligência Artificial, Machine Learning e Generative AI. Com mais de 7 anos de experiência na conceção e implementação de soluções de IA de grande escala, incluindo o desenvolvimento de modelos preditivos, AI agents, LLMs, sistemas de pesquisa inteligente aplicados a setores como viagens, e-commerce, energia e utilities. Ao longo da sua carreira, participou em projetos de elevado impacto em organizações como a TUI, Jumia, COCUS e INESC TEC, destacando-se no desenvolvimento de soluções de IA que contribuíram tanto para o aumento das margens em vendas de voos como para a melhoria da fiabilidade de ativos críticos da rede elétrica. Paralelamente à sua atividade profissional, é docente convidado em várias instituições de ensino superior, onde leciona temas como Machine Learning, Business Analytics, Data Warehousing, Cloud Computing, Generative AI e Otimização, contribuindo ativamente para a ligação entre academia e indústria.

Pedro Ferreira

Engenheiro de Dados com 7 anos de experiência, trabalho  em diversos setores e organizações, desde start-ups a empresas cotadas na Bolsa de Valores de Nova Iorque. Apaixonado por dados e o seu potencial transformativo, o Pedro foca-se em auxiliar as empresas a alavancar os seus dados para melhorar a satisfação do consumidor e impulsionar o crescimento de receita. Desenvolveu expertise na estruturação e otimização de sistemas de dados, que permitam às empresas extrair insgihts valiosos das vastas quantidades de dados gerados através das suas operações.

Recursos Disponibilizados

– Link para instalação do Python
– Certificado GADES Solutions e DGERT
– Gravações das Sessões do Curso
– Slides e material demonstrado no decorrer do curso, em formato digital

programa

Módulo 1: Machine Learning (4 Horas)

Explicação dos conceito de modelos preditivos, diferença entre modelos supervisionados e não supervisionados, incluindo os conceitos de regressão e classificação. Serão abordadas técnicas de transformação e pré-processamento de dados, com recurso a métodos específicos para modelos de machine learning. Serão apresentadas as principais famílias de modelos e os métodos de treino, bem como como avaliar a qualidade de um modelo.

1. Problemas supervisionados ou não-supervisionados
2. Regressão e classificação
3. Feature Engineering
4. Métodos de treino
5. Medidas de avaliação
6. Overview de algoritmos

Módulo 2: Clustering (2 Horas)

Iniciação ao conceito de agrupamento de dados não supervisionados para geração de informação útil através de vários métodos. Serão abordadas metodologias baseados na centralização dos dados, como K-Means e DBSCAN, e de associação hierárquica multinível  entre outros, bem como as principais vantagens e desvantagens entre os vários métodos.

1. K-means
2. DBScan/HDBScan
3. Hierarchical clustering
4. Other Clustering models

Módulo 3: Classificação e Regressão (4 Horas)

Abordagem dos conceitos por detrás de cada uma das famílias de modelos de Machine Learning clássico. Explicação dos hiperparâmetros de cada modelo e do seu impacto no processo de aprendizagem e ajuste do modelo. Serão realizados casos práticos onde os formandos poderão construir cada um dos modelos e ver os seus resultados. Metodologias de seleção de variáveis independentes, bem como modelos compostos (ensembles) vão ser abordados.

1. KNN
2. Árvores de Decisão
3. Naive Bayes
4. Support Vector Machine
5. Sintonização de hiperparâmetros (grid search)
6. Backward e Forward feature selection
7. Ensembles (bagging e boosting) – Random Forest, modelos múltiplos

Módulo 4: Métodos de Previsão com Séries Temporais (4 Horas)

Neste módulo será feito um overview a diferentes técnicas de modelação com recursos a séries temporais, que poderão ser usadas para se realizarem previsões. Serão também abordados os métodos de escolha do melhor modelo, quais os parâmetros necessários ao seu ajustamento e como se poderá avaliar o seu grau de erro.

1. Séries temporais
2. ARIMA
3. Exponential Smoothing
4. Medidas de erro (MAPE, MAE, MSE)

Módulo 5: Deep Learning (4 Horas)

Introdução às redes neuronais, às estruturas mais utilizadas e as principais valências desta família de algoritmos preditivos. Será também abordado os métodos de gradiente descendente e de backpropagation no treino de redes. Por último, segue-se a aplicação prática de redes neuronais convolucionais para exercícios tradicionais de detecção de imagem.

1. Introdução Redes Neuronais
2. Estrutura
3. Metodologia de treino e parâmetros
4. Problemas de detecção de imagem

Módulo 6: Aplicação (4 Horas)

Projeto de “A a Z”. Caso de estudo onde serão aplicadas técnicas de visualização e exploração de dados, a sua limpeza, transformação e criação de variáveis e o teste de diversos modelos para posterior avaliação. Este módulo tem como objetivo a aplicação de todas as competências lecionadas.

Rácio Teoria/Prática: 40% Teórico | 60% Prático

preço

330€ (Isento de IVA)

> Oferta de 10% de desconto em inscrições, em simultâneo, nos dois níveis: Nível Introdutório/Intermédio e Nível Avançado

data e horário

Sessão 1: 20/04/2026 – 19h às 21h
Sessão 2: 22/04/2026 – 19h às 21h
Sessão 3: 27/04/2026 – 19h às 21h
Sessão 4: 29/04/2026 – 19h às 21h
Sessão 5: 04/05/2026 – 19h às 21h
Sessão 6: 06/05/2026 – 19h às 21h
Sessão 7: 11/05/2026 – 19h às 21h
Sessão 8: 13/05/2026 – 19h às 21h
Sessão 9: 18/05/2026 – 19h às 21h
Sessão 10: 20/05/2026 – 19h às 21h
Sessão 11: 25/05/2026 – 19h às 21h

pré-requisitos

– Familiaridade e conhecimentos básicos, a nível do utilizador, dos produtos da família Microsoft e/ou MAC
– Recomenda-se a utilização de um 2º monitor
– Frequência no curso Python em Data Science – Nível Introdutório/Intermédio ou Conhecimento de Python e de utilização de bibliotecas de manipulação de dados (NumPy, Pandas, matplotlib/seaborn…)

Tópicos adicionais relevantes mas não obrigatórios:
– SQL

Formato

ONLINE 
A formação será realizada online, em tempo real, através da plataforma Cisco Webex.

Inscrição

Escolha uma das seguintes opções: