Dynamic Creative Optimization for AdTech

Simple item page
dc.contributor.advisorMacchi Heins, Darío Alejandro
dc.contributor.tribunalNieves Lema, Ruben Carlos
dc.contributor.tribunalMatalonga Motta, Santiago
dc.creatorDisiot Mendizabal, Agustina
dc.creatorMonjardin López, Iván Rodrigo
dc.creatorDiaz Hugo, Santiago
dc.date.accessioned2025-02-21T15:48:54Z
dc.date.available2025-02-21T15:48:54Z
dc.date.issued2024
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractEl presente proyecto busca analizar la viabilidad técnica, mediante una prueba de concepto, de la aplicación de tecnologías de inteligencia artificial generativa en el área de AdTech. Surge a partir de la propuesta de la empresa cliente, quien identifica posibles mejoras en el área de creación de contenido visual para publicidades. El proceso de generación de imágenes para publicidades en línea suele ser manual y costoso. Este proyecto se propuso automatizar este proceso utilizando la IA generativa, para generar imágenes de alta calidad para productos de forma rápida y eficiente. Uno de los principales desafíos que se abordaron fue la falta de información previa que tienen los modelos de IA generativa sobre productos nuevos. Para superar esta barrera, se recurrió a técnicas de fine-tuning, específicamente Dreambooth para Stable Diffusion. Esta técnica permitió enseñar a los modelos sobre estos productos utilizando imágenes y datos específicos, mejorando significativamente la precisión y relevancia de las imágenes generadas. Para garantizar la disponibilidad y escalabilidad de esta solución, se desarrolló una arquitectura en la nube de bajo costo utilizando Amazon Web Services (AWS). Esta infraestructura permitió obtener una solución eficiente y económica sin comprometer la calidad. De acuerdo con el análisis realizado, se concluye que es viable desarrollar un sistema que agilice el proceso de creación de creatives, siempre en cuando se atiendan a los desafíos de implementación analizados en el presente trabajo.
dc.format.extent269 p., diagrs., tbls., grafs.
dc.format.mimetypePDF
dc.identifier.citationDisiot Mendizabal, A., Monjardin López, I. R. & Diaz Hugo, S. (2024) Dynamic Creative Optimization for AdTech (Proyecto) Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7123
dc.identifier.urihttps://hdl.handle.net/20.500.11968/7123
dc.languagespa
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/96647
dc.rights.levelAcceso abierto
dc.subjectPROYECTOS-ID
dc.subjectPROCESAMIENTO DE LENGUAJES NATURALES
dc.subjectINTELIGENCIA ARTIFICIAL GENERATIVA
dc.subjectPUBLICIDAD
dc.subjectLABORATORIO DE SOFTWARE FACTORY (ORTSF)
dc.titleDynamic Creative Optimization for AdTech
dc.typeTrabajo final de carrera
dc.type.versionVersión publicada
ort.thesis.careerFI - Ingeniería en Sistemas - ID
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelCarrera universitaria
ort.thesis.degreenameIneniería en Sistemas
ort.thesis.degreetypeProyecto
ort.thesis.noteProyecto (Carrera Universitaria). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
13.87 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
Trabajos finales de carrera de grado