Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Ciência de Dados
Departamento / Department
ISCTE
Ano letivo / Execution Year
2026/2027
Pré-requisitos / Pre-Requisites
Não aplicável.
Objetivos Gerais / Objectives
O objetivo é dotar profissionais do setor bancário e de seguros de conhecimento em Ciência de Dados que lhes permita alavancar os processos de tomada de decisão nas suas organizações, analisar e antecipar riscos financeiros, através de metodologias e práticas de aferição do Risco assentes em dados.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
O1: Entender os dados e respetivas variáveis que são relevantes para a Análise de Risco Financeiro; O2: Extrair conhecimento de dados do setor Bancário; O3: Desenvolver pequenos projetos de Ciência de Dados para Análise de Risco Financeiro.
Conteúdos Programáticos / Syllabus
CP1: Introdução ao Risco Bancário (overview de vários riscos). Tipos de modelos para análise de risco bancário (p.e., risco de liquidez ou outros e métricas regulatórias ou internas utilizadas nesses riscos) CP2: Tipos de modelos para análise de risco bancário (continuação) (ligação com situações de dia-a-dia de eventos de risco). CP3: Introdução à Ciência de Dados; Exercícios com a ferramenta Orange. CP4: Variáveis relevantes na análise de risco bancário (apresentação e interpretação de resultado das variáveis). CP5: Visualização de informação; Modelos de previsão com dados. CP6: Exercícios práticos de análise de risco bancário com a ferramenta Orange (ex: prever stress de liquidez no Banco, simulação com novo evento; discussão de resultados).
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
CP1, CP2 --> alinhados com o cumprimento do O1 CP3, CP4 e CP5 --> alinhados com o cumprimento do O2 CP5 e CP6 --> alinhados com o cumprimento do O3
Avaliação / Assessment
Devido ao facto de a UC ser maioritariamente de experimentação prática e pensamento crítico, a avaliação é realizada ao longo do semestre letivo e não existe a modalidade de avaliação por exame (100%). A nota final é calculada através da avaliação de: Relatório do trabalho de projeto num caso de estudo e discussão online
Metodologias de Ensino / Teaching methodologies
Será utilizada uma metodologia teórico-prática, em que os conceitos são apresentados através de casos e exemplos, sobre os quais será depois elaborada uma discussão e exercícios com dados através da utilização da ferramenta Orange Data Mining.
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
Os alunos irão tomar contato in loco com estudo de casos reais e desenvolvem um pequeno projeto de aplicação, ao longo dao tempo do curso e com a ajuda e tutoria dda equipa docente, para assegurar a aquisição de todos os objetivos pretendidos.
Observações / Observations
Alunos abrangidos pelo 'Regulamento Interno para Estudantes com Estatutos Especiais' deverão contactar a coordenação da UC ***na primeira semana de aulas do semestre*** com vista ao enquadramento dos processos de aprendizagem e avaliação na UC. No caso de alunos que estejam em condições de inscrição em época especial, será possível realizar um trabalho também especial. Para isso, os estudantes deverão entrar em contacto com a coordenadora ***duas a três semanas antes do início da data da época especial*** .
Bibliografia Principal / Main Bibliography
Cady, Field. The Data Science Handbook. Hoboken: John Wiley & Sons Inc., 2017. Stanton, Jeffrey M. and Jeffrey M. Saltz. An Introduction to Data Science. New York: Sage Publishing Inc., 2017. Bessis, J. (2015). Risk management in banking. John Wiley & Sons. Ruozi, R., & Ferrari, P. (2013). Liquidity risk management in banks: economic and regulatory issues. Berlin, Heidelberg: Springer Berlin Heidelberg.
Bibliografia Secundária / Secondary Bibliography
Grus, Joel. Data Science from Scratch, First Principles with Python. Sebastopol: O’Reilly Media, Inc., 2015. Cornett, M. M., McNutt, J. J., Strahan, P. E., & Tehranian, H. (2011). Liquidity risk management and credit supply in the financial crisis. Journal of Financial Economics, 101(2), 297-312.
Data da última atualização / Last Update Date
2026-10-07