Lo scopo principale è sviluppare un sistema che preveda il traffico per OTT/CTV (accessi, concorrenza, device mix) e ottimizzi in modo dinamico la schedulazione delle campagne pubblicitarie.
La tesi comprende: modellazione time-series (eventi, stagionalità), simulatore di pod-building e pacing, e un piccolo orchestratore che suggerisce allocazioni e priorità per massimizzare fill-rate, eCPM e rispetto delle frequency-cap. Validazione su log anonimizzati o dataset sintetici realistici.
Argomento principale: Data Science/AdTech, ottimizzazione, KPI (fill-rate, eCPM, ad-latency).
Corso di studio e requisiti candidato: Informatica, Ingegneria Informatica. Basi di Python/SQL, ML per serie temporali; gradite nozioni di advertising digitale.
Sede tirocinio: Napoli e Milano.
____________
The main goal is to develop a system that forecasts traffic for OTT/CTV (accesses, competition, device mix) and dynamically optimises advertising campaign scheduling.
The thesis includes time-series modelling (events, seasonality), a pod-building and pacing simulator, and a small orchestrator that suggests allocations and priorities to maximise fill rate, eCPM, and adherence to frequency caps. Validation on anonymised logs or realistic synthetic datasets.
Main Topic: Data Science/AdTech, optimisation, KPIs (fill-rate, eCPM, ad-latency).
Course of Study and Candidate Requirements: Computer Science or Computer Engineering. Foundations in Python/SQL and ML for time series; knowledge of digital advertising is a plus.
Internship Location: Naples and Milan.
