Poderão candidatar-se à frequência do curso de Licenciatura em Estatística e Ciência de Dados os seguintes indivíduos:

1. Graduados da 12ª classe do SNE ou equivalente.

O ingresso ao curso de Licenciatura em Estatística e Ciência de Dados rege-se de acordo com os critérios estabelecidos pelo Regulamento Académico da UniPúnguè (RAUniP), ou seja, ter concluído a 12ª classe do SNE ou equivalente e ter sido aprovado nos exames de admissão nas disciplinas de Matemática e Português.

.

Perfil do Graduado

O graduado em Estatística e Ciência de Dados deverá desenvolver as seguintes competências:

1. No domínio do conhecimento

• Possui conhecimentos teóricos, metodológicos e práticos em áreas específicas de estatística, relevantes para a análise e interpretação de dados;
• Domina as ferramentas estatísticas e computacionais para análise de Dados;
• Encontra soluções utilizando métodos estatísticos e computacionais, para a construção de conhecimento num leque variado de problemas;

2. No domínio do saber-fazer (habilidades

• Recolhe, organiza, resume e interpreta dados;
• Seleciona e aplica de modo eficiente metodologias estatísticas e computacionais apropriadas para análise de dados;
• Desenvolve modelos estatísticos e computacionais que possibilitam inferir e realizar previsões de vários fenómenos;
• Concebe projetos de investigação científica ou de resolução de problemas em vários campos de conhecimento baseando-se em métodos quantitativos.

3. Saber ser e estar (atitudes)

• Garante a segurança de informação, proteção e privacidade de dados num sistema proposto, dentro dos princípios da ética e deontologia profissional em Estatística e Ciências de Dados;
• Pensa de forma estratégica e analítica para extrair dados e transformá-los em informações relevantes.
• Trabalha em equipa multidisciplinar e comunica-se facilmente.
• Lidera projectos de investigação em estatística e ciência de dados

Perfil de saída profissional

As atividades em estatística e ciência de dados envolvem uma variedade de etapas que visam extrair insights valiosos e acionáveis a partir de dados. A seguir, apresentamos uma lista de principais tarefas ocupacionais dos profissionais de estatística e ciência de dados:

• Coleta de Dados: Reunir conjuntos de dados relevantes para uma análise específica, seja por meio de pesquisas, bases de dados existentes ou outras fontes;
• Limpeza e Preparação de Dados: Identificar e corrigir inconsistências, erros e lacunas nos dados, garantindo que estejam prontos para análise.
• Análise Exploratória de Dados: Utilizar técnicas estatísticas e visualizações para entender os padrões, tendências e relações nos dados;
• Modelagem Estatística: Desenvolver modelos estatísticos para entender e prever fenômenos com base nos dados disponíveis;
• Aprendizado de Máquina: Aplicar algoritmos de aprendizado de máquina para construir modelos preditivos e identificar padrões complexos nos dados.
• Avaliação de Modelos: Avaliar a precisão e o desempenho dos modelos estatísticos e de aprendizado de máquina, ajustando-os conforme necessário;
• Comunicação de Resultados: Interpretar e comunicar os resultados da análise de forma clara e concisa para diferentes públicos, incluindo tomadores de decisão e partes interessadas não técnicas;
• Desenvolvimento de Soluções: Colaborar com equipas multidisciplinares para desenvolver soluções baseadas em dados para resolver problemas complexos e agregar valor ao negócio ou à organização.

Sectores de trabalho do graduado

A seguir, alistamos alguns setores fundamentais onde esses profissionais podem encontrar oportunidades de trabalho:

• Tecnologia da Informação: Empresas de tecnologia muitas vezes precisam de estatísticos e cientistas de dados para analisar grandes conjuntos de dados e extrair insights valiosos para melhorar produtos, otimizar processos e personalizar experiências de usuário;
• Finanças e Serviços Bancários: Bancos, instituições financeiras e empresas de investimento usam análises de dados para avaliar riscos, detectar fraudes, prever tendências do mercado financeiro;
• Retalho e Comércio Eletrônico: Empresas de retalho e comércio eletrônico usam análises de dados para entender o comportamento do cliente, otimizar cadeias de suprimentos, realizar previsões de demanda e personalizar recomendações de produtos;
• Saúde e Ciências da Vida: Organizações de saúde, empresas farmacêuticas e instituições de pesquisa utilizam análises de dados para conduzir estudos clínicos, analisar dados genômicos, prever epidemias, personalizar tratamentos e melhorar a eficiência operacional;
• Telecomunicações: Empresas de telecomunicações usam análises de dados para otimizar redes, melhorar a qualidade do serviço, prever padrões de uso e personalizar ofertas para clientes;
• Energia e Utilidades: Empresas de energia e serviços públicos usam análises de dados para otimizar a distribuição de energia, prever demanda, gerenciar ativos e melhorar a eficiência energética;
• Governo e Administração Pública: Agências governamentais utilizam análises de dados para informar políticas públicas, melhorar a eficiência dos serviços públicos, prever tendências sociais e econômicas, e combater fraudes e crimes;
• Educação: Instituições educacionais usam análises de dados para melhorar o desempenho dos alunos, personalizar a experiência de aprendizado, prever taxas de conclusão e identificar áreas de melhoria no currículo.