Propuestas de trabajos de final de estudios

Diseño de packaging mediante simulaciones neurosensoriales

Neuromarketing

IA

aprendizaje por refuerzo

Usar RL para optimizar el diseño de empaques simulando la reacción emocional del consumidor antes de fabricar prototipos físicos.

Optimización adaptativa de estímulos publicitarios basados en respuestas neurofisiológicas

Neuromarketing

IA

aprendizaje por refuerzo

Un sistema de aprendizaje por refuerzo que ajuste dinámicamente los estímulos de anuncios (color, sonido, ritmo, duración) en función de las reacciones neurofisiológicas en tiempo real de los usuarios.

Personalización de contenido digital según patrones de atención

Neuromarketing

IA

aprendizaje por refuerzo

Sistemas de streaming o redes sociales que ajustan dinámicamente el contenido mostrado según el foco de atención (detectado por cámaras, pupila, EEG o clics).

Finanzas: Optimización de portafolios de inversión

Financial

IA

optimizacion

aprendizaje por refuerzo

Utilizar AR para construir un portafolio de inversión que se ajuste dinámicamente a las fluctuaciones del mercado, maximizando el rendimiento ajustado por riesgo.

Marketing Digital: Optimización de campañas publicitarias en tiempo real

marketing

IA

aprendizaje por refuerzo

El propósito de este proyecto es crear un sistema basado en aprendizaje por refuerzo para ajustar en tiempo real las estrategias publicitarias de una empresa en varias plataformas (Google Ads, Facebook Ads, etc.), optimizando la asignación de presupuestos para maximizar el rendimiento (como el CTR, CPA o ROI).

Sport Analytics: Optimización de estrategias de equipo en deportes

Sports

IA

aprendizaje por refuerzo

El objetivo de este trabajo es desarrollar un modelo de aprendizaje por refuerzo (AR) para optimizar las decisiones tácticas de un equipo durante un partido, con un enfoque en deportes como el fútbol o baloncesto. El sistema aprendería a partir de datos históricos de partidos y ajustaría las decisiones de ataque o defensa en función del contexto del partido: posición en el campo, tiempo restante, acciones del equipo contrario, etc.

Smart Cities: Control adaptativo de semáforos para optimización del tráfico

smart cities

IA

aprendizaje por refuerzo

optimización

Desarrollar un sistema basado en aprendizaje por refuerzo para controlar semáforos en una ciudad inteligente, con el objetivo de reducir los tiempos de espera y minimizar atascos en tiempo real.