Skip to main content
FCCN serviços digitais da FCT
NAU site
  • Help
  • Courses
  • Programs
  • News
  • Partners
  • Espaço AP
  • You are here:
  • Home
  • Fundamentos de Recuperação de Informação

Fundamentos de Recuperação de Informação

Ref. FURECIN
CategoryExact Sciences and Technology
Descubra como as informações são organizadas e recuperadas de forma eficiente em sistemas modernos.
  • Duration: 25 hours
  • Effort: 25 hours
  • Pace: Self paced
  • Languages: Portuguese
course cover image
Share on FacebookShare on TwitterShare on LinkedinShare by Email

What you will learn

  • Compreender os fundamentos e a importância da Recuperação de Informação em sistemas computacionais. 

  • Diferenciar modelos de Recuperação de Informação, como o vetorial, booleano e probabilístico 

  • Estruturar dados para otimizar a recuperação de informações, utilizando técnicas de indexação e ranking. 

  • Explorar algoritmos e técnicas de pesquisa, incluindo PageRank e métodos de personalização de resultados como sistemas de recomendação. 

  • Implementar e avaliar sistemas básicos de recuperação de informação e recuperação de documentos. 

Description

Com o crescimento exponencial de dados digitais, surge a necessidade de técnicas eficientes para localizar informações relevantes de forma precisa e rápida. Este curso explora conceitos essenciais, como modelos de recuperação (vetorial, booleano e probabilístico), algoritmos de indexação, ranking de documentos e métricas de desempenho. Além de entender os princípios teóricos, aprenderá a implementar e avaliar sistemas básicos de pesquisa, aplicando metodologias de avaliação e análise de relevância. Este conhecimento é fundamental para enfrentar os desafios de recuperação de dados em áreas como bibliotecas digitais, motores de pesquisa e plataformas de recomendação. 

Format

O curso encontra-se organizado em 3 módulos, oferecendo uma introdução abrangente aos sistemas de pesquisa e recuperação de dados em grandes volumes de informação. No final de cada módulo, deve realizar um teste de escolha múltipla, com um peso de 40% na nota final.  

No final do curso, deve ainda realizar um teste final, de forma a verificar a compreensão global dos conteúdos, com um peso de 60% na nota final.  

Assessment and certification

Para obter o certificado de participação, é necessário ter uma nota igual ou superior a 60%. 

Course plan

Módulo 1. Modelos, Representações e Relevância
Módulo 2. Recuperação de Informação interativa e centrada no utilizador
Módulo 3. Recuperação de Informação moderna: Modelos Neuronais e Procura

Course team

Márcia Barros

Categories

Professora Auxiliar do Departamento de Informática da Faculdade de Ciências da Universidade de Lisboa

Organizations

Universidade de Lisboa

Desenho Instrucional

License

License for the course content

Attribution-NonCommercial-NoDerivatives

You are free to:

  • Share — copy and redistribute the material in any medium or format

Under the following terms:

  • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  • NonCommercial — You may not use the material for commercial purposes.
  • NoDerivatives — If you remix, transform, or build upon the material, you may not distribute the modified material.
NAU site
Subscribe our newsletterFollow us on FacebookFollow us on Linkedin
NAU
  • Who we are
  • Courses
  • How to become a partner
  • Open source
  • Accessibility
Communication
  • Help
  • News
  • Media kit
  • Site Map
Legal
  • Terms and conditions
  • Privacy Policy
  • Cookies Policy
  • Certification Policy
  • Newsletter consent
República Portuguesa - Educação, Ciência e Inovação FCCN - Serviços digitais FCT FCCN - Serviços digitais FCT

© 2026 FCCN-FCT. All right reserved.