Código Oficial: | 9687 |
Sigla: | BINF |
Descrição: | A Bioinformática surge no interface entre as disciplinas de Ciências Biológicas, Informática e Matemática e é uma área emergente que foi fortemente impulsionada pela sequenciação de genomas. A combinação de competências e conhecimentos obtidos fornecem uma base sólida para uma ampla gama de oportunidades de emprego ou estudo mais aprofundado para níveis mestrado ou doutoramento. Este curso permite o acesso à Ordem dos Engenheiros Técnicos. |
Adquirir técnicas de cálculo de ampla utilização noutras unidades curriculares, entre as quais se salientam a linguagem matricial, a representação de sistemas de equações lineares e sua resolução, cálculo de determinantes e suas aplicações bem como os conceitos de espaços lineares e transformações lineares.
O objectivo é continuar a desenvolver o raciocínio matemático iniciado no secundário, para que fiquem aptos a responder às solicitações e exigências de outras unidades curriculares do seu curso. No final, os estudantes deverão ter adquirido as competências no domínio do cálculo diferencial e integral de funções de uma variável real, incluindo os teoremas fundamentais do cálculo.
Esta UC tem como principais objetivos oferecer ao estudante uma visão global da boinformática, como uma ciência interdisciplinar que permite o armazenamento e a análise de grandes volumes de informação biológica, envolvendo bioquímicos, biólogos, matemáticos e especialistas nas técnicas de informação mais recentes aplicadas às ciências Biológicas e Químicas. Para além disso, pretende-se com esta UC, apresentar ao estudante vários campos de ação e aplicação da bioinformática.
O objetivo é continuar a desenvolver o raciocínio matemático iniciado em Análise Matemática I aplicando-o, neste caso, a funções de mais de uma variável, para que fiquem aptos a responder às solicitações e exigências de outras unidades curriculares do seu curso. No final, os estudantes deverão ter adquirido as competências no domínio do cálculo diferencial e integral de funções de mais de uma variável real, incluindo os teoremas fundamentais do cálculo. Deverão ainda estar aptos a resolver algumas equações diferenciais que surgem em diversas aplicações à engenharia.
O estudante deverá ser capaz de projetar, conceber e implementar bases de dados utilizando o modelo relacional de bases de dados. São apresentados os conceitos, os vários modelos e os sistemas de bases de dados existentes. Pretende-se que adquira a capacidade de descrever a arquitetura de um Sistema de Gestão de Bases de Dados e e utilizar uma ferramenta de construção de bases de dados com esta abordagem. Deverá neste âmbito compreender o funcionamento transacional, os mecanismos de concorrencia, segurança e tolerância a falhas e autorização/autenticação num SGBD.
É também objetivo que o estudante adquira competências na análise e extração de informação da base de dados. Serão apresentadas as linguagens de definição de dados e de manipulação de dados.
Para a componente prática, de entre as ferramentas disponíveis, será utilizada uma base de dados de arquitetura cliente/servidor de referência no mercado.Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):
Pretende-se que o estudante se familiarize com fórmulas, estruturas, nomenclatura e conceitos básicos no domínio da Química Orgânica. Reconheça a importância, numa dada molécula, do papel e distribuição dos eletrões que podem intervir nas reações orgânicas. Classifiquem as reações dos compostos orgânicos.
Compreendam as reações químicas e justifiquem através do mecanismo os fatos ocorridos. Apliquem o conhecimento da reatividade dos diferentes grupos funcionais com vista à obtenção de novos compostos, isto é projetem os conhecimentos adquiridos na síntese orgânica.
Adquiram o conceito de geometria das moléculas no espaço associado ao estudo da estereoquímica.
Pretende-se nesta unidade curricular transmitir conceitos de probabilidades e estatística de modo a que os estudantes saibam aplicar e compreender técnicas estatísticas avançadas para a descrição estatística multivariada, cujo objectivo consiste em resumir e descrever os aspectos mais relevantes num conjunto de dados.
Irão ser abordadas noções fundamentais da teoria da amostragem e de modelos probabilísticos discretos e contínuos. Aprofunda-se a abordagem à inferência estatística com referência aos testes de hipóteses.
A abordagem teórica será sempre que possível acompanhada de exemplos ligados à biologia. Pretende-se também que os conhecimentos adquiridos nesta UC constituam uma base sólida para outras UC do plano de estudos deste curso.
Nesta unidade curricular o estudante deverá ser capaz de caracterizar a arquitetura e distinguir os diferentes modelos de um Data Warehouse, abordando o modelo dimensional de Ralph Kimball e o modelo enpresarial de W. H. Inmon.
Pretende-se que o estudante domine as componentes do Data Warehouse, e que consiga planear e executar o ciclo de desenvolvimento de um Data Warehouse. Deverá conseguir dominar a análise e desenho do processo ETL e ter conhecimento de ferramentas de interrogação OLAP.
Deverá desenvolver competências práticas no desenvolvimento de data warehouses com base no esquema em estrela e capacidade para construir expressões MDX, utilizando as ferramentas de Data Tools do Microsoft SQL Server ou então na solução Oracle Exadata Intelligent Warehouse.Esta UC tem como principais objetivos fornecer aos estudantes uma visão integrada da estrutura e funcionamento dos genomas, tendo em conta os métodos de sequenciação, anotação e análise do funcionamento dos mesmos. Para além disso, no final do semestre espera-se que os estudantes conheçam os métodos mais recentes de análise da expressão genética ao nível do RNA e proteínas, para além de compreenderem o funcionamento celular de forma integrada e global.
Os estudantes deverão ficar a conhecer os fundamentos algorítmicos da aprendizagem automática, assim como técnicas de resolução dos desafios apresentados por cada conjunto de dados. Deverão ser capazes de selecionar os algoritmos adequados para cada problema e de aplicar os algoritmos a novos conjuntos de dados e a compreender e avaliar os seus resultados.
- Compreensão dos fundamentos dos algoritmos e metodologias de machine learning apresentados
- Capacidade de justificar a escolha de uma solução de machine learning a um determinado problema
- Capacidade de aplicação dos algoritmos a novos conjuntos de dados
- Capacidade de avaliação dos resultados
Bioética
(OA.1) Compreender a abordagem bioética e a relevância da relação ciência, ética e sociedade.
(OA.2) Enquadrar as questões de âmbito biotecnológico numa abordagem ética.
(OA.3) Discutir casos e temáticas, aplicando adequadamente o pensamento da bioética, teorias predominantes e modelos argumentativos à avaliação das situações concretas
Segurança da Informação
(OA.4) Identificar os principais riscos e ameaças do Ciberespaço e a necessidade de a Segurança da Informação encontrar respostas estruturadas para as mesmas.
(OA.5) Compreender e saber aplicar os principais conceitos subjacentes à Segurança da Informação, as suas limitações e inter-relação.
(OA.6) Compreender e os principais conceitos ligados ao risco dos ativos de informação das organizações e desenvolver capacidades de análise materializadas através de diversos elementos, tais como estratégias, arquiteturas, políticas, normas e procedimentos, etc.
. Adquirir um conhecimento concetual, profundo e especializado sobre Empreendedorismo.
. Compreender de forma crítica as teorias e os princípios sobre Empreendedorismo.
. Conceber soluções criativas e inovar quer num contexto de criação de novas empresas, quer em empresas já existentes.
. Resolver problemas complexos e imprevisíveis relacionados com ambientes empresariais.
. Aplicar ferramentas de planeamento estratégico para a criação e desenvolvimento de novos negócios.
. Desenvolver planos de negócio para a criação de empresas.
. Assumir responsabilidades pelo desenvolvimento individual e coletivo enquanto empreendedor por conta própria ou por conta de outrem.
. Desenvolver autonomia no que concerne à tomada de decisões e resolução de problemas num contexto de criação da própria empresa ou de empresas já existentes de forma proactiva, inovadora gerando valor sustentável.
Esta UC permitirá o conhecimento de ferramentas de armazenamento, processamento e visualização de grandes volumes de dados, o desenvolvimento de competências na construção e teste de algoritmos eficientes para Big Data, nomeadamente o estudo de paradigmas, modelos, ferramentas e linguagens de programação paralela.
No fim da unidade curricular o estudante deverá ser capaz de
- Determinar a solução a aplicar e os instrumentos a utilizar no armazenamento, exploração e análise de um grande volume de dados
- Selecionar opções de visualização adequadas para resumir e extrair conhecimento de um grande volume de dados
- Compreender o conceito de processamento paralelo e distribuído como forma de aumentar o desempenho na gestão e análise de dados
- Desenvolver algoritmos e modelos que permitam resolver problemas que explorem a gestão da concorrência, da distribuição e do paralelismo
- Reconhecer as diferentes arquiteturas de hardware de suporte ao funcionamento destes algoritmos
Esta UC está organizada de modo a que os alunos utilizem os conhecimentos e as capacidades adquiridos em UCs anteriores e desenvolvam seus próprios projetos, em ambiente computacional, com um alto grau de autonomia e apenas com a supervisão necessária. As capacidades de simulação estrutural da UC "Bioquímica Computacional" e de modelação matemática das UCs "Metabolismo e Regulação" e "Modelação de Processos Biológicos" constituem o ponto de partida para esta UC; várias outras UCs das áreas de biotecnologia e informática são também particularmente relevantes.
O Curso de Bioinformática é um curso que resulta da conjugação de esforços de 4 escolas do IPS. Assim, faz
sentido que no plano curricular exista uma UC de carater multidisciplinar e agregadora de diferentes saberes. Esta
UC, com 5 ECTS, surge no 5º semestre do curso com uma componente TP e maioritariamente OT, é
operacionalizada através de um sistema de tutorias que acompanha e apoia o percurso do estudante.
O objetivo geral é permitir ao estudante construir um percurso de aprendizagens específico, garantindo o
reconhecimento de aprendizagens e de competências adquiridas em diversos contextos e situações - de natureza
científica, académica, profissional e social - desde que reconhecidas como significativas, relevantes e pertinentes
no âmbito das competências desejáveis para os licenciados do curso. Estas atividades podem ser desenvolvidas
ao longo de todo o curso (estágios extracurriculares, projetos de investigação ou outros, etc) ou serem
estruturadas somente neste 5º semestre.