Bootcamp
·
Lisboa

Data Science & AI Engineer

início / fim

Start

1 de nov. de 2025

5 de mai. de 2026

horário

Full-time (Diurno)

/

10h - 18h

Duração

300h

Investmento

703,80€

6

A tua carreira de Data Science & AI Engineer começa aqui!

No curso Data Science & AI Engineer vais aprender a manipular, explorar, visualizar e modelar dados usando Python e as principais bibliotecas da área. Irás também desenvolver pipelines, automatizar análises, aplicar machine learning e explorar a interseção entre inteligência artificial e tomada de decisão.

Sobre o curso

Data Science & AI Engineer

O Data Science & AI Engineer é um perfil técnico com foco na análise avançada de dados, construção de modelos de machine learning e desenvolvimento de soluções inteligentes aplicadas ao negócio. Este curso dá-te as competências práticas e estratégicas para trabalhar com dados — desde a extração e preparação até à visualização e automação com inteligência artificial.

Desenvolvido com profissionais da área, este bootcamp é indicado para quem quer entrar ou evoluir na área da ciência de dados, inteligência artificial ou engenharia de dados aplicada.


Objetivos
  • Entender e aplicar métodos de ciência de dados em contextos reais

  • Dominar o uso de Python para análise, visualização e modelação

  • Desenvolver modelos de machine learning supervisionados e não supervisionados

  • Trabalhar com dados estruturados e não estruturados

  • Explorar ferramentas de AI generativa e automação inteligente

  • Preparar e apresentar projetos com impacto estratégico

programa

Conteúdo programático

1

Fundamentos de Data Science

34

h

  • O que é data science e qual o seu papel nas empresas

  • Pensamento analítico e problem solving com dados

  • Tipos de dados, fontes e qualidade

  • Introdução a Python para data science

  • Ambientes de trabalho: Jupyter, Colab, VS Code

1

Fundamentos de Data Science

34

h

  • O que é data science e qual o seu papel nas empresas

  • Pensamento analítico e problem solving com dados

  • Tipos de dados, fontes e qualidade

  • Introdução a Python para data science

  • Ambientes de trabalho: Jupyter, Colab, VS Code

1

Fundamentos de Data Science

34

h

  • O que é data science e qual o seu papel nas empresas

  • Pensamento analítico e problem solving com dados

  • Tipos de dados, fontes e qualidade

  • Introdução a Python para data science

  • Ambientes de trabalho: Jupyter, Colab, VS Code

1

Fundamentos de Data Science

34

h

  • O que é data science e qual o seu papel nas empresas

  • Pensamento analítico e problem solving com dados

  • Tipos de dados, fontes e qualidade

  • Introdução a Python para data science

  • Ambientes de trabalho: Jupyter, Colab, VS Code

2

Programação em Python para Dados

22

h

  • Tipos de dados, estruturas, loops e funções

  • Bibliotecas: NumPy, Pandas, Matplotlib, Seaborn

  • Manipulação e limpeza de dados

  • Análise exploratória e estatística descritiva

  • Introdução a APIs e extração de dados externos

2

Programação em Python para Dados

22

h

  • Tipos de dados, estruturas, loops e funções

  • Bibliotecas: NumPy, Pandas, Matplotlib, Seaborn

  • Manipulação e limpeza de dados

  • Análise exploratória e estatística descritiva

  • Introdução a APIs e extração de dados externos

2

Programação em Python para Dados

22

h

  • Tipos de dados, estruturas, loops e funções

  • Bibliotecas: NumPy, Pandas, Matplotlib, Seaborn

  • Manipulação e limpeza de dados

  • Análise exploratória e estatística descritiva

  • Introdução a APIs e extração de dados externos

2

Programação em Python para Dados

22

h

  • Tipos de dados, estruturas, loops e funções

  • Bibliotecas: NumPy, Pandas, Matplotlib, Seaborn

  • Manipulação e limpeza de dados

  • Análise exploratória e estatística descritiva

  • Introdução a APIs e extração de dados externos

3

Visualização de Dados & Storytelling

22

h

  • Gráficos, dashboards e relatórios

  • Boas práticas de visualização e design de informação

  • Ferramentas: Seaborn, Plotly, Looker Studio

  • Storytelling com dados para equipas e stakeholders

  • Preparação de apresentações analíticas

3

Visualização de Dados & Storytelling

22

h

  • Gráficos, dashboards e relatórios

  • Boas práticas de visualização e design de informação

  • Ferramentas: Seaborn, Plotly, Looker Studio

  • Storytelling com dados para equipas e stakeholders

  • Preparação de apresentações analíticas

3

Visualização de Dados & Storytelling

22

h

  • Gráficos, dashboards e relatórios

  • Boas práticas de visualização e design de informação

  • Ferramentas: Seaborn, Plotly, Looker Studio

  • Storytelling com dados para equipas e stakeholders

  • Preparação de apresentações analíticas

3

Visualização de Dados & Storytelling

22

h

  • Gráficos, dashboards e relatórios

  • Boas práticas de visualização e design de informação

  • Ferramentas: Seaborn, Plotly, Looker Studio

  • Storytelling com dados para equipas e stakeholders

  • Preparação de apresentações analíticas

4

Estatística & Probabilidades para Machine Learning

36

h

  • Probabilidades, distribuições e amostragem

  • Testes de hipótese e intervalos de confiança

  • Correlações, regressões e análises multivariadas

  • Feature engineering com base estatística

4

Estatística & Probabilidades para Machine Learning

36

h

  • Probabilidades, distribuições e amostragem

  • Testes de hipótese e intervalos de confiança

  • Correlações, regressões e análises multivariadas

  • Feature engineering com base estatística

4

Estatística & Probabilidades para Machine Learning

36

h

  • Probabilidades, distribuições e amostragem

  • Testes de hipótese e intervalos de confiança

  • Correlações, regressões e análises multivariadas

  • Feature engineering com base estatística

4

Estatística & Probabilidades para Machine Learning

36

h

  • Probabilidades, distribuições e amostragem

  • Testes de hipótese e intervalos de confiança

  • Correlações, regressões e análises multivariadas

  • Feature engineering com base estatística

5

Machine Learning

32

h

  • Supervised vs. Unsupervised Learning

  • Modelos: regressão linear, regressão logística, KNN, Decision Trees, Random Forest, SVM, K-means

  • Preparação de datasets para modelação

  • Métricas de performance e validação de modelos

  • Introdução a pipelines e workflow de ML

  • Bibliotecas: scikit-learn, XGBoost

5

Machine Learning

32

h

  • Supervised vs. Unsupervised Learning

  • Modelos: regressão linear, regressão logística, KNN, Decision Trees, Random Forest, SVM, K-means

  • Preparação de datasets para modelação

  • Métricas de performance e validação de modelos

  • Introdução a pipelines e workflow de ML

  • Bibliotecas: scikit-learn, XGBoost

5

Machine Learning

32

h

  • Supervised vs. Unsupervised Learning

  • Modelos: regressão linear, regressão logística, KNN, Decision Trees, Random Forest, SVM, K-means

  • Preparação de datasets para modelação

  • Métricas de performance e validação de modelos

  • Introdução a pipelines e workflow de ML

  • Bibliotecas: scikit-learn, XGBoost

5

Machine Learning

32

h

  • Supervised vs. Unsupervised Learning

  • Modelos: regressão linear, regressão logística, KNN, Decision Trees, Random Forest, SVM, K-means

  • Preparação de datasets para modelação

  • Métricas de performance e validação de modelos

  • Introdução a pipelines e workflow de ML

  • Bibliotecas: scikit-learn, XGBoost

6

Data Engineering & Big Data Fundamentals

26

h

  • Arquitetura de dados: do Excel ao Data Lake

  • ETL: extração, transformação e carga de dados

  • Integração com APIs e bases de dados

  • SQL + Pandas

  • Noções básicas de cloud (Google Cloud, AWS ou Azure)

  • Data pipelines com Python

6

Data Engineering & Big Data Fundamentals

26

h

  • Arquitetura de dados: do Excel ao Data Lake

  • ETL: extração, transformação e carga de dados

  • Integração com APIs e bases de dados

  • SQL + Pandas

  • Noções básicas de cloud (Google Cloud, AWS ou Azure)

  • Data pipelines com Python

6

Data Engineering & Big Data Fundamentals

26

h

  • Arquitetura de dados: do Excel ao Data Lake

  • ETL: extração, transformação e carga de dados

  • Integração com APIs e bases de dados

  • SQL + Pandas

  • Noções básicas de cloud (Google Cloud, AWS ou Azure)

  • Data pipelines com Python

6

Data Engineering & Big Data Fundamentals

26

h

  • Arquitetura de dados: do Excel ao Data Lake

  • ETL: extração, transformação e carga de dados

  • Integração com APIs e bases de dados

  • SQL + Pandas

  • Noções básicas de cloud (Google Cloud, AWS ou Azure)

  • Data pipelines com Python

7

Inteligência Artificial Aplicada

38

h

  • O que é IA e como funciona

  • Introdução a deep learning com TensorFlow/Keras

  • AI generativa com LLMs (ex: ChatGPT, Claude, Gemini)

  • Casos práticos: classificação, previsão, clustering

  • Prompt Engineering para dados e automação

  • Aplicações práticas em marketing, finanças, produto

7

Inteligência Artificial Aplicada

38

h

  • O que é IA e como funciona

  • Introdução a deep learning com TensorFlow/Keras

  • AI generativa com LLMs (ex: ChatGPT, Claude, Gemini)

  • Casos práticos: classificação, previsão, clustering

  • Prompt Engineering para dados e automação

  • Aplicações práticas em marketing, finanças, produto

7

Inteligência Artificial Aplicada

38

h

  • O que é IA e como funciona

  • Introdução a deep learning com TensorFlow/Keras

  • AI generativa com LLMs (ex: ChatGPT, Claude, Gemini)

  • Casos práticos: classificação, previsão, clustering

  • Prompt Engineering para dados e automação

  • Aplicações práticas em marketing, finanças, produto

7

Inteligência Artificial Aplicada

38

h

  • O que é IA e como funciona

  • Introdução a deep learning com TensorFlow/Keras

  • AI generativa com LLMs (ex: ChatGPT, Claude, Gemini)

  • Casos práticos: classificação, previsão, clustering

  • Prompt Engineering para dados e automação

  • Aplicações práticas em marketing, finanças, produto

8

Projeto Transformation Lab

42

h

  • Criação de um projeto final com base num desafio real de uma marca parceira.

  • O projeto envolve planeamento estratégico, análise de dados, implementação de campanhas e reporting final com apresentação a um painel profissional.

8

Projeto Transformation Lab

42

h

  • Criação de um projeto final com base num desafio real de uma marca parceira.

  • O projeto envolve planeamento estratégico, análise de dados, implementação de campanhas e reporting final com apresentação a um painel profissional.

8

Projeto Transformation Lab

42

h

  • Criação de um projeto final com base num desafio real de uma marca parceira.

  • O projeto envolve planeamento estratégico, análise de dados, implementação de campanhas e reporting final com apresentação a um painel profissional.

8

Projeto Transformation Lab

42

h

  • Criação de um projeto final com base num desafio real de uma marca parceira.

  • O projeto envolve planeamento estratégico, análise de dados, implementação de campanhas e reporting final com apresentação a um painel profissional.

Duração total

Duração total

300h

300h

Hands-on

Hands-on

240h

240h

Projeto

Projeto

60h

60h

Contacta-nos

Agenda uma chamada com a nossa equipa
Obrigada!

Vamos entrar em contacto contigo em breve!

Obrigada!

Vamos entrar em contacto contigo em breve!

Obrigada!

Vamos entrar em contacto contigo em breve!

Obrigada!

Vamos entrar em contacto contigo em breve!

Opções de Financiamento
e Admissão

A transformation.space escolheu parceiros financeiras

para te ajudar no financiamento da tua nova carreira:

  1. Fundação José Neves (FJN)

  2. ALMA

  3. Cofidis

  4. Millennium BCP

Admissão:

Idade mínima 18 anos, 12º ano.

Gosto e entusiasmo para aprender as áreas lecionadas.

Videochamada com um dos nossos consultores de admissão.

A transformation.space escolheu parceiros financeiras

para te ajudar no financiamento da tua nova carreira:

  1. Fundação José Neves (FJN)

  2. ALMA

  3. Cofidis

  4. Millennium BCP

Admissão:

Idade mínima 18 anos, 12º ano.

Gosto e entusiasmo para aprender as áreas lecionadas.

Videochamada com um dos nossos consultores de admissão.

A transformation.space escolheu parceiros financeiras

para te ajudar no financiamento da tua nova carreira:

  1. Fundação José Neves (FJN)

  2. ALMA

  3. Cofidis

  4. Millennium BCP

Admissão:

Idade mínima 18 anos, 12º ano.

Gosto e entusiasmo para aprender as áreas lecionadas.

Videochamada com um dos nossos consultores de admissão.

A transformation.space escolheu parceiros financeiras

para te ajudar no financiamento da tua nova carreira:

  1. Fundação José Neves (FJN)

  2. ALMA

  3. Cofidis

  4. Millennium BCP

Admissão:

Idade mínima 18 anos, 12º ano.

Gosto e entusiasmo para aprender as áreas lecionadas.

Videochamada com um dos nossos consultores de admissão.

Fala connosco para saberes mais

Fala connosco para saberes mais

Fala connosco para saberes mais

Fala connosco para saberes mais

Pronto pagamento

4250€

Desconto 30% (até 01 de Novembro)

Mensalidade

703,80€

6

Sem juros.

Financiamento transformation.space

Poderás parcelar o teu Bootcamp em 6x / 8x / 10x

Fala connosco para saberes mais

Fala connosco para saberes mais

Fala connosco para saberes mais

Fala connosco para saberes mais