Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Estatística e Análise de Dados
Departamento / Department
Ano letivo / Execution Year
2019/2020
Pré-requisitos / Pre-Requisites
N.a.
Objetivos Gerais / Objectives
Descobrir o que pode ser feito para proteger a organização contra fraudes. Saber quais as responsabilidades de gestão para a prevenção de fraudes e de controlos internos eficazes para ajudar neste esforço. Este curso proporciona técnicas avançadas de suporte à gestão do risco de fraude que potenciam a redução do custo da fraude para todos os tipos de entidades.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1.Saber definir fraude e reconhecer as diferenças entre prevenção e deteção de fraude; OA2. Reconhecer os tipos de dados e as ferramentas disponíveis para deteção de fraude; OA3. Aplicar técnicas avançadas de análise de dados para identificar indícios de fraude e reconhecer anomalias e sinais de alarme de fraude.
Conteúdos Programáticos / Syllabus
CP1 – Fundamentos sobre fraude CP2 – Fraud analytics CP3 – Técnicas de fraud analytics CP4 – Casos práticos
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
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objetivos de aprendizagem (OA), como a seguir se explicita: CP1 -> OA 1,2 CP2 -> OA 2,3 CP3 -> OA 1,2,3
Avaliação / Assessment
Sem prejuízo do estrito cumprimento do regulamento do programa, a avaliação contínua exige a presença mínima em 60% das aulas e inclui a realização de: - Um trabalho de grupo, com a ponderação de 50%; - Uma prova individual, com a ponderação de 50% e uma nota mínima de 10 valores. Avaliação por Exame - realização de um exame final que representará 100% da nota final obtida
Metodologias de Ensino / Teaching methodologies
São utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise de artigos científicos. ME3. Ativas, com realização de trabalho de grupo ME4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador ME5. Auto-estudo, relacionado com o trabalho autónomo (TA) do aluno.
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
Ao longo do período letivo, o aluno deverá adquirir e/ou desenvolver competências de análise e interpretação, assim como de comunicação escrita e oral. Ao longo do período letivo, o aluno deverá adquirir e/ou desenvolver competências de análise e interpretação, assim como de comunicação escrita e oral. As principais ligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos são apresentados de seguida: ME1 -> OA 1, 2 ME2 -> OA 1, 2, 3 ME3 -> OA 1, 2, 3 ME4 -> OA 2, 3 ME5 -> OA 1, 2, 3
Observações / Observations
.
Bibliografia Principal / Main Bibliography
Fraud analytics using descriptive, predictive, and social network techniques: A guide to data science for fraud detection
Bibliografia Secundária / Secondary Bibliography
Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2025). Machine learning for business analytics: Concepts, techniques, and applications in Python (2nd ed.). John Wiley & Sons. Association of Certified Fraud Examiners. (2026). Occupational fraud 2026: A report to the nations. ACFE. https://www.acfe.com/-/media/files/acfe/pdfs/rttn/2026/2026-report-to-the-nations.pdf
Data da última atualização / Last Update Date
2026-07-02