Código Oficial: | 6094 |
Sigla: | M:ENM |
Pretende-se que os estudantes adquiram:
a) conhecimentos sobre a recolha organizada de informação
b) técnicas e modelos estatísticos comummente usados no tratamento de dados do âmbito da Ciência e da Engenharia, e saibam aplicá-los adequadamente em R/SPSS
c) capacidade para saber escolher e aplicar as técnicas e modelos estatísticos aprendidos a problemas concretos
d) espírito crítico e capacidade de interpretação dos resultados obtidos por aplicação das técnicas e modelos estatísticos aprendidos.
Nesta unidade curricular pretende-se que os alunos adquiram conhecimentos sobre métodos numéricos para resolução de problemas diferenciais. Devem saber aplicar os métodos, analisar os erros e convergência , discutir estabilidade.
Pretende-se contribuir para o conhecimento de alguns dos modelos, técnicas e algoritmos mais utilizados em outras áreas do conhecimento. Cada técnica deverá ser aplicada à resolução de problemas levantados por outras ciências e à construção de modelos matemáticos para esses problemas.
Este curso tem como objectivo principal dar uma visão geral das várias metodologias de modelação matemática em Biologia Sistémica (Systems Biology).
A abordagem sistémica para a Biologia é um novo paradigma metodológico que transformou a investigação em Biologia no século 21. A ideia chave é a de que podemos estudar as interacções de todas as componentes de um sistema biológico para revelar as suas propriedades emergentes. Ganhou recentemente um novo impacto, principalmente devido ao notável progresso dos métodos experimentais e computacionais (Bioinformática), cada vez mais engenhosos e poderosos. É apoiada no conhecimento biológico acumulado, cada vez mais detalhado, a criação de novas técnicas experimentais em genómica e proteómica, novas tecnologias para fazer medições exaustivas de sequência de ADN, a expressão e regulação de genes, interacções proteína-proteína, a tradição de modelação matemática de processos biológicos e o crescimento exponencial da Bioinformática (como um pré-requisito para a construção de enormes bases de dados e análise de sistemas em larga escala).
A Biologia tornou-se cada vez mais multidisciplinar com biólogos, cientistas da computação, engenheiros, matemáticos, físicos e médicos, a juntar esforços para desenvolver tecnologias de elevada eficácia e ferramentas computacionais e matemáticas, orientadas pelas necessidades atuais da Biologia e da Medicina.
O curso visa introduzir de uma forma rigorosa os fundamentos de teoria de otimização (linear e não-linear), cálculo variacional e teoria do controlo. São abordados os conceitos fundamentais das áreas em questão, assim como as ferramentas matemáticas mais relevantes para a sua análise.
Após a conclusão bem sucedida desta UC, o aluno deverá:
O objectivo da disciplina de Teoria da Informação é expor conceitos fundamentais relacionados com teoria da informação e as suas aplicações em sistemas e redes de comunicações e ciência de computadores.
Fornecer ao aluno experiência na utilização, administração e programação de alguns dos sistemas/aplicações mais utilizados em ambiente Windows. O enfoque particular será sobre o ambiente de programação do Visual Basic for Applications.
Pretende-se que os alunos apreendam o paradigma da simulação computacional baseado em metodologias de Monte Carlo, nomeadamente MCMC, assim como os princípios da álgebra linear numérica, num contexto de aplicação crítica em áreas interdisciplinares envolvendo as ciências sociais, da vida ou da computação.
Identificação e aplicação de técnicas de data mining para a extração de conhecimento a partir de diversas fontes de dados (texto, web, etc.).
O curso visa introduzir de uma forma rigorosa os fundamentos da Matemática Financeira em tempo discreto e contínuo. São abordados os conceitos fundamentais da área em questão, assim como as ferramentas matemáticas mais relevantes para a sua análise.
Introduzir os conceitos e métodos fundamentais de classificação supervisionada e não supervisionada.
Disciplina introdutória aos processos estocásticos. Pretende-se apresentar um conjunto de ferramentas para a descrição e análise de processos estocásticos em áreas diversificadas, como processamento de sinal, teoria da informação, ambiente, economia e finanças, biologia e medicina. A orientação da disciplina privilegia a compreensão dos conceitos e métodos e a sua aplicação em áreas interdisciplinares utilizando dados simulados ou reais.