Lo scopo principale è stimare il sentiment e i segnali di brand perception combinando più fonti: trascrizioni dei video, commenti social, titoli/descrizioni editoriali e frame/thumbnail. La tesi realizza una pipeline multimodale (testo+audio+immagine) e correla gli indici ottenuti con metriche di performance (CTR, view-through, completion rate) per costruire un semplice “brand-lift proxy”.
Argomento principale: Data Science, NLP/NLU, Computer Vision, Audio sentiment, Metriche editoriali.
Corso di studio e requisiti candidati: Informatica, Ingegneria Informatica. Solida base in Python e librerie ML; gradite nozioni di analisi social.
Sede tirocinio: Napoli e Milano.
