Objetivos
A Pós-Graduação em Ciências de Dados para Finanças (PCDF) é um programa de formação inovador e internacional, destinado a quadros do setor financeiro que procuram desenvolver uma abordagem mais quantitativa e analítica.
O curso abrange áreas essenciais como:
- Avaliação de ativos financeiros;
- Negociação de ativos;
- Gestão de risco;
- Engenharia financeira;
- Modelos preditivos;
- Computação financeira;
- Inteligência Artificial e Machine Learning;
- Big Data aplicado às finanças;
- Tecnologia blockchain;
- Inovações em Fintech e InsurTech.
O programa pretende preparar quadros superiores para carreiras nas áreas da banca de investimento, gestão de ativos, fundos de cobertura, consultoria de investimento, gestão de risco, vendas e negociação, engenharia financeira, consultoria, assessoria e tecnologias financeiras.
Com uma equipa de docentes experientes e um currículo robusto, o curso proporciona uma formação orientada para as necessidades atuais do setor financeiro.
Áreas de formação
- Computação Financeira;
- Machine Learning;
- Deep Learning;
- Big Data;
- Ciência de Dados;
- Atuariado;
- Investimentos e gestão de portfólios;
- Derivados financeiros;
- Mineração de texto aplicada às finanças.
Perfil de Entrada
Podem candidatar-se ao curso:
- Titulares de licenciatura ou habilitação legalmente equivalente em Matemática, Matemática Aplicada, Estatística, Economia, Finanças, Gestão, Ciência de Computadores, Engenharia ou áreas afins;
- Titulares de um grau académico superior estrangeiro obtido num primeiro ciclo de estudos organizado de acordo com os princípios do Processo de Bolonha;
- Titulares de um grau académico superior estrangeiro reconhecido pelo Conselho Científico da Universidade de Cabo Verde como satisfazendo os objetivos do grau de licenciado;
- Candidatos com currículo escolar, científico ou profissional reconhecido pelo Conselho Científico da Universidade de Cabo Verde como demonstrando capacidade para frequentar o curso.
Perfil de Saída
Os estudantes que concluírem o curso terão competências técnicas adequadas às necessidades atuais nos domínios da Inteligência Artificial e do Machine Learning, podendo analisar grandes volumes de dados através de uma abordagem quantitativa e analítica aplicada às finanças.
Os diplomados estarão preparados para exercer funções nas seguintes áreas:
- Banca de investimento;
- Gestão de ativos;
- Fundos de cobertura;
- Consultoria e assessoria de investimento;
- Gestão de risco;
- Vendas e negociação de ativos financeiros;
- Engenharia financeira;
- Consultoria financeira;
- Tecnologias financeiras.
Plano Curricular
| Unidades Curriculares | Horas de contacto | Estudo 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 e Preço de Ativos do Portfólio | 24 | 72 | 96 | 5 |
| Títulos 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 | 192 | 576 | 768 | 40 |
Propina total: 38.600 ECV, pagável em até seis prestações mensais de 6.434 ECV.
Nota: O valor regular da propina da Pós-Graduação em Ciências de Dados para Finanças é de 15.000 ECV mensais. A Fundação Calouste Gulbenkian financia a componente complementar, equivalente a 57% do valor total.
Parceiros
Parceiro coordenador
![]()
Financiador


Computação Financeira, Machine Learning e Big Data
6 meses
40 créditos
Presencial | Online
Pós-laboral
Mensal 6.434 ECV
Faculdade de Ciências e Tecnologia (FCT)
Polo I – Praia
Diretor
Prof. Mestre Crispiniano Furtado
Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
SAC (Pós-graduações)
Para mais informações contacte: