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 e conhecer as tendências na área.
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. Diferenciar modelos relacionais, dimensionais e arquiteturas contemporâneas de dados. 4. Propor soluções justificadas e fundamentadas para problemas analíticos, considerando eficiência, qualidade e sustentabilidade.
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. Arquiteturas e Ecossistemas de Dados: Novas Tendências 1. Evolução das arquiteturas de dados 2. Armazenamento e organização 3. Integração e qualidade de dados 4. Governança e sustentabilidade
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. A análise crítica das novas tendências e adequação a problemas analíticos (OA.4) será desenvolvida no tópico 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 aos OA.3 e OA.4 que exercitados em ambiente de aula participativa (MEA.2), atingem 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. Database Management Systems. 3rd Edition. McGrawHill. 2003 Damas, L. SQL - Structured Query Language " FCA Editora de Informática, 2005 Kimball R, Ross M. The Data Warehouse Toolkit. 3rd ed. John Wiley & Sons; 2013. Kimball R, Caserta J, The Data Warehouse ETL Toolkit, Wiley, 2004 Reis, Joe; Housley, Matt. Fundamentals of Data Engineering: Plan and Build Robust Data Systems. 1st Edition. O'Reilly. 2022
Bibliografia Secundária / Secondary Bibliography
Ahmed A. Harby, Farhana Zulkernine, Data Lakehouse: A survey and experimental study, Information Systems, Volume 127, 2025, https://doi.org/10.1016/j.is.2024.102460. Chaudhari A.V., Charate P.A.. Optimizing Data Lakehouse Architectures for Scalable Real-Time Analytics. International Journal of Scientific Research in Science Engineering and Technology 12(2):809-822. May 2025. DOI:10.32628/IJSRSET25122198
Data da última atualização / Last Update Date
2026-07-02