Región de Murcia
Fundación Séneca
FSE

Uso de técnicas de deep learning para la identificación de emociones en escenarios de neuromarketing

Nace en Murcia en 1998. En 2020 obtiene el Grado de Ingeniería Informática con mención en Redes y Telemática, realizando el TFG sobre los ataques a integridad de los datos de una persona mediante las Interfaces Cerebro-Maquina (BCIs, por las siglas en inglés). En 2021 realiza el Máster en Nuevas Tecnologías de la Universidad de Murcia con mención en Redes y Telecomunicaciones, realizando el TFM sobre la implicación de los sonidos en entornos de conducción para la detección de las emociones humanas. En el año 2022 obtiene una ayuda de la Fundación Séneca para realizar la tesis doctoral en la Universidad de Murcia enfocada en las BCIs, con participación el proyectos europeos como Valkyries, y realizando tareas de tutorización de TFGs.

Resumen de tesis

A día de hoy, las empresas invierten cientos de millones de euros en publicidad y en el correcto diseño de campañas de marketing para la promoción de sus productos. A lo largo de los años, han surgido técnicas basadas en la mercadotecnia y neuromarketing para predecir como van a percibir los usuarios finales estas promociones. En los últimos años, han aparecido nuevos dispositivos que permiten medir aspectos biológicos relacionados con las distintas reacciones de los usuarios. Entre estos dispositivos se encuentra las BCIs (Brain-Computer Interfaces por sus siglas en inglés) que permiten medir la actividad neuronal y relacionarlas con diferentes estados cognitivos o emocionales de los usuarios.

En este contexto, el reconocimiento de los diferentes estados emocionales se realiza mediante técnicas de IA (Inteligencia Artificial) como pueden ser los algoritmos de Machine Learning (ML) o Deep Learning (DL). Este último tipo, han sido los más utilizados en los últimos años debido a la buena precisión que obtienen, sin embargo, el principal inconveniente que estas tienen es la gran cantidad de datos que se necesitan. Por esto, empresas como BitBrain que disponen de soluciones profesionales y estudios en este campo, pueden aportar su expertís para la captura de datos.

En este contexto, desarrollaré la tesis para la creación de un modelo automático para el reconocimiento de las diferentes reacciones ante un determinado estímulo basado en técnicas de neuromarketing y DL. Mediante este sistema se podrá mejorar el diseño de las campañas de marketing conociendo de forma previa el impacto que esta va a tener en los usuarios.

Área de conocimiento

Redes de Internet del Futuro: Infraestructuras y Seguridad

Grupo de investigación

Departamento de Ingeniería de la Información y las Comunicaciones
Director: Gregorio Martínez Pérez

Programa de doctorado

Programa de doctorado en informática

Período de Actividad

01/03/2022

Estado de tesis

En desarrollo

Empresa colaboradora

Bit&Brain Technologies S.L

Sector empresarial

Tecnológico

Tutor en la empresa

Luis Montesano del Campo

Aviso legalPolítica de privacidad