Área de formação
Computação Financeira, Machine Learning, Big Data,
Duração
6 meses
Total de créditos
40
Modalidade
Presencial e online
Período
Pós-laboral
Propina
Mensal 6.434 ECV
Unidade orgânica
Faculdade de Ciências e Tecnologia
Local
Polo I - Praia
Objectivos
A Pós-Graduação em Ciências de Dados para Finanças PCDF (Data Science for Finances) é um programa de formação inovador, de caráter internacional, que oferece uma abordagem quantitativa e analítica em finanças, destinando-se a quadros do setor financeiro, que procuram um enfoque mais analítico às áreas de avaliação de ativos financeiros, trading, gestão de risco, engenharia financeira, modelos preditivos, computação financeira, entre outras. Proporciona, ainda, uma compreensão das transformações potenciais na indústria financeira, resultantes da adoção da tecnologia de blockchain às Fintech & InsurTech. O curso prepara quadros superiores para carreiras bem-sucedidas nas áreas de investment banking, asset management, hedge funds e investment advisory, risk management, sales e trading, engenharia, consultadoria, assessoria e tecnologia financeiras
Diretor
Prof. Doutor Narciso Gomes
Este endereço de email está protegido contra piratas. Necessita ativar o JavaScript para o visualizar.
Propina Total: 38.600$00 (Trinta e oito mil e seiscentos escudos). Podendo serem pagas em até 6 (seis) prestações mensais de 6.434$00 (seis mil e quatrocentos trinta quarto escudos).
Nota: “O valor de Propina de Pós-graduação em Ciências de Dados para Finanças na Uni-CV é 15.000$00/mês. A FUNDAÇÃO CALOUSTE GULBENKIAN financia a parte complementar o equivalente a 57% do valor total.”
Perfil de entrada
Este curso destina-se a alunos com um pendor quantitativo e uma orientação técnica e que procuram um estudo mais profundo e analítico dos temas de finanças, gestão de risco e engenharia financeira do que aquele que é proporcionado nos cursos gerais de finanças.
O curso destina-se a alunos com o grau de licenciatura (ou equivalente internacional) em domínios científicos com forte formação quantitativa como sejam a economia, a matemática, a estatística, a engenharia, a computação, física e química, e gestão de uma universidade reconhecida nacional e internacionalmente, que ambicionam uma carreira bem-sucedida no sector financeiro. A existência de experiência profissional nestas áreas não é essencial. Os Alunos graduados neste curso devem ambicionar carreiras nas áreas de investment banking, asset management, hedge funds and investment advisory, risk management, sales and trading, hedge funds, financial engineering, financial technology and consulting/advisory.
Perfil de saída
Empresas e instituições que processem grandes quantidades de dados, nomeadamente nos sectores das telecomunicações, ciências da vida e da saúde, seguros, banca, instituições públicas e empresas do Estado.
SAC (Pós-graduações)
Para eventuais esclarecimentos contactar os Serviços Académicos, através do seguinte endereço:
Este endereço de email está protegido contra piratas. Necessita ativar o JavaScript para o visualizar.
Plataforma de candidaturasMódulos
| Unidades Curriculares | Horas de contacto | Horas de estudos autónomo | Total de horas | Créditos |
| Finança Computacional | 24 | 72 | 96 | 5 |
| Métodos de Deep Learning em Finanças | 24 | 72 | 96 | 5 |
| Ciências de Dados para Atuariado | 24 | 72 | 96 | 5 |
| Investimentos, Preço de Ativos do Portfólio | 24 | 72 | 96 | 5 |
| Título de Renda Fixa | 24 | 72 | 96 | 5 |
| Derivados Financeiros | 24 | 72 | 96 | 5 |
| Machine Learning em Finanças | 24 | 72 | 96 | 5 |
| Text Mining e Big-Data em Finanças | 24 | 72 | 96 | 5 |
| Total de horas /unidades de créditos | 40 | |||
