Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Sistemas de Informação

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2026/2027

Pré-requisitos / Pre-Requisites

Não se aplica.

Objetivos Gerais / Objectives

Depois de concluir a UC os alunos deverão conhecer o ciclo de vida dos dados e perante as diferentes fases terem capacidade de intervir na construção dos diferentes modelos. Devem também conseguir obter a informação que necessitam.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

No final da lecionação desta UC o aluno deve estar apto a (OA): 1. Compreender a importância da gestão de bases de dados no universo do data science. 2. Interpretar e desenhar modelos de dados de sistemas operacionais e de sistemas analíticos. 3. Utilizar com eficiência e eficácia as linguagens e ferramentas para pesquisa de informação proveniente de dados estruturados e semiestruturados

Conteúdos Programáticos / Syllabus

A. Enquadramento da gestão de dados no universo do datascience B. Desenho de esquemas relacionais 1. Relações e chaves primárias 2. Chaves estrangeiras e regras de integridade; 3. Análise crítica e construção de um modelo relacional; C. Linguagem S.Q.L 1 Interrogações Simples; 2 Funções de Agregação e Agrupamentos; 3 Interrogações Encadeadas; 4. Criação de Views D. Otimização E. Modelo Dimensional 1. Conceção modelo dimensional 2. Modelo dimensional vs relacional 3. ETL & qualidade dos dados F. Dados semi-estruturados

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes

A compreensão da importância da gestão de bases de dados no universo do data science (OA.1) é uma tónica recorrente ao longo de todo programa da UC, porém o conteúdo programático A terá esse foco por excelência. Os tópicos programáticos B, D e E têm como finalidade promover a interpretação e desenho dos modelos de sistemas ioperacionais e analíticos (OA.2). Por seu turno a utilização de linguagens e ferramentas para pesquisa de informação será abordada (OA.3) será abordada nos tópicos C, E e F.

Avaliação / Assessment

Avaliação por exame (1ª Época, 2ª Época e Época Especial): * Prova escrita (100%) - Aprovação: nota >= 10 valores. Avaliação ao longo do semestre: * Trabalho de grupo com discussão - entregas faseadas ao longo do semestre e discussão no final do semestre (50%); * Teste individual escrito - data de 1ª Época (50%). - Aprovação: Nota final >=10 valores; e Teste individual escrito >=8 valores. - A não comparência na discussão implica a anulação do trabalho de grupo como elemento de avaliação. - As notas finais do trabalho de grupo dependerão do desempenho de cada aluno na discussão, e poderão variar entre 0 (zero) e 20 valores.

Metodologias de Ensino / Teaching methodologies

Serão utilizadas as seguintes metodologias de ensino-aprendizagem (MEA): 1. Expositivo-ilustrativas, para apresentação de conceitos com exemplificação 2. Participativas, com análise, resolução e discussão de exercícios práticos realizados no computador. Por vezes esta modalidade poderequerer trabalho autónomo extra-aula. 3. Orientada a Projeto, desenvolvimento autónomo de um trabalho que contempla as matérias leccionadas.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

Em todos os objetivos a que se propõe (OA.1 a OA.2), esta UC procura ser marcadamente de índole prática pelo que a apresentação dos conceitos teóricos é enquadrada na exposição de exercícios/casos práticos ilustrativos (MEA.1). As competências de interpretar e desenhar modelos de dados (OA.2) serão trabalhadas com recurso às aulas participativas (MEA.2) e à elaboração do projeto (MEA.3) que constitui o trabalho de grupo. O mesmo se aplica relativamente ao OA.3 que exercitado em ambiente de aula participativa (MEA.2), atinge o seu expoente máximo de concretização na realização do projeto (MEA.3).

Observações / Observations

Utilização de ferramentas de IA: - caso os alunos recorram a ferramentas de IA para a produção de conteúdos para os trabalhos a realizar, deverão dar essa nota identificando: ferramenta, prompts utilizadas e comentários/críticas à sua utilização. Estudantes com Estatuto Especial: - Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar com o docente da UC, ou com o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC. Fundamentação ODS: - A UC contribui nomeadamente para o ODS 9 - Indústria, Inovação e Infraestruturas, pela capacidade que aporta ao nível de análise e desenho de modelos de representação de dados, da extração de dados e da análise de dados de acordo com as necessidades organizacionais, o que permite um melhor conhecimento das realidades organizacionais e gera um potencial de transformação e inovação.

Bibliografia Principal / Main Bibliography

Ramakrishnan, Raghu, & Gehrke, Johannes (2003). Database Management Systems. 3rd ed. McGraw-Hill. | Damas, L. (2005). SQL – Structured Query Language. FCA Editora de Informática. | Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit. 3rd ed. John Wiley & Sons. | Kimball, R., & Caserta, J. (2004). The Data Warehouse ETL Toolkit. Wiley. | Reis, Joe, & Housley, Matt (2022). Fundamentals of Data Engineering: Plan and Build Robust Data Systems. 1st ed. O'Reilly.

Bibliografia Secundária / Secondary Bibliography

Ahmed A. Harby, & Farhana Zulkernine (2025). “Data Lakehouse: A Survey and Experimental Study.” Information Systems, 127. https://doi.org/10.1016/j.is.2024.102460. | Chaudhari, A. V., & Charate, P. A. (2025). “Optimizing Data Lakehouse Architectures for Scalable Real-Time Analytics.” International Journal of Scientific Research in Science Engineering and Technology, 12(2), 809-822. https://doi.org/10.32628/IJSRSET25122198.

Data da última atualização / Last Update Date

2026-07-02