Sıla Ermut
Sıla ist Branchenanalystin bei AIMultiple und spezialisiert auf E-Mail-Marketing und Vertriebsvideos.
Forschungsschwerpunkte
Sılas Forschungsschwerpunkte umfassen E-Mail-Marketing, E-Commerce-Marketingkampagnen und Marketingautomatisierung. Sie ist außerdem Teil des AIMultiple-Projekts zur E-Mail-Zustellbarkeits-Benchmark-Analyse. In Zusammenarbeit mit dem Technologie-Team von AIMultiple entwickelt und implementiert sie Benchmarks zur E-Mail-Zustellbarkeit.Berufserfahrung
Sıla arbeitete zuvor als Personalvermittlerin und war in Projektmanagement- und Beratungsunternehmen tätig.Ausbildung
Sie hält:- Bachelor of Arts-Abschluss in Internationalen Beziehungen von der Bilkent-Universität.
- Master of Science-Abschluss in Sozialpsychologie von der Başkent-Universität.
Neueste Artikel von Sıla
Grundlagenmodelle für Zeitreihen: Anwendungsfälle und Vorteile
Time Series Foundation Models (TSFMs) bauen auf Fortschritten in Basismodellen aus der Verarbeitung natürlicher Sprache und der Bildverarbeitung auf. Mithilfe von Transformer-basierten Architekturen und umfangreichen Trainingsdaten erreichen sie Zero-Shot-Performance und sind branchenübergreifend einsetzbar, beispielsweise in den Bereichen Finanzen, Einzelhandel, Energie und Gesundheitswesen.
Große Weltmodelle: Anwendungsfälle und Beispiele
Trotz Fortschritten bei großen Sprachmodellen ist die Fähigkeit der künstlichen Intelligenz, die physische Welt zu verstehen und mit ihr zu interagieren, aufgrund der Beschränkungen textbasierter Repräsentationen weiterhin begrenzt. Große Weltmodelle schließen diese Lücke, indem sie multimodale Daten integrieren, um Handlungen zu analysieren, Dynamiken der realen Welt zu modellieren und Umweltveränderungen vorherzusagen.
Top 5 KI-Leitplanken: Gewichte und Voreinstellungen & NVIDIA NeMo
Mit der zunehmenden Integration von KI in Geschäftsprozesse steigt auch der Einfluss von Sicherheitslücken. Fast alle KI-bezogenen Sicherheitsvorfälle ereigneten sich in Umgebungen ohne angemessene Zugriffskontrollen, was die Risiken schlecht gesteuerter KI-Implementierungen unterstreicht. KI-Leitplanken schließen diese Lücke, indem sie klare Grenzen für die KI-Nutzung definieren, die Einhaltung gesetzlicher Bestimmungen und die Verantwortlichkeit unterstützen und eine verantwortungsvolle, langfristige Einführung ermöglichen.
LLM Observability Tools: Weights & Biases, Langsmith
LLM-basierte Anwendungen werden immer leistungsfähiger und komplexer, wodurch ihr Verhalten schwerer zu interpretieren ist. Jede Modellausgabe resultiert aus Eingabeaufforderungen, Werkzeuginteraktionen, Abrufschritten und probabilistischen Schlussfolgerungen, die nicht direkt einsehbar sind. Die Beobachtbarkeit von LLM begegnet dieser Herausforderung, indem sie kontinuierliche Einblicke in die Funktionsweise von Modellen unter realen Bedingungen ermöglicht.
Die 5 besten KI-Dienste zur Steigerung der Geschäftseffizienz
Die Nutzung von KI nimmt rasant zu. Rund 98 % der Unternehmen experimentieren mit KI, was ihre wachsende Verfügbarkeit und ihr Potenzial zur Verbesserung von Betriebsabläufen widerspiegelt. Dennoch haben erst 26 % die Testphase abgeschlossen und einen messbaren Geschäftsnutzen erzielt. Dies zeigt, dass viele Unternehmen noch die notwendigen Kapazitäten aufbauen, um KI effektiv zu skalieren.
Produktivität von KI-Agenten: Maximierung des Geschäftsgewinns
Die Produktivität von KI-Agenten entwickelt sich zu einem messbaren Treiber für den Geschäftserfolg. Studien berichten von Produktivitätssteigerungen von bis zu 30 %, was darauf hindeutet, dass Agenten Verfahrensschritte ausführen, Informationen abrufen und mit Unternehmensystemen mit gleichbleibender Genauigkeit interagieren können. Durch die Integration von Agenten in routinemäßige Arbeitsabläufe erwarten Unternehmen einen höheren Aufgabendurchsatz und eine effizientere Nutzung von Ressourcen.
Text-zu-Video-Generator-Benchmark
Ein Text-zu-Video-Generator ist ein KI-System, das schriftliche Anweisungen in kurze Videos umwandelt, indem es Bilder, Bewegungen und teilweise auch Ton direkt aus der natürlichen Sprache generiert. Wir verglichen die fünf besten Text-zu-Video-Generatoren anhand von zehn Aufgaben, die entwickelt wurden, um die Einhaltung der Anweisungen, die zeitliche Konsistenz, den physikalischen Realismus und bekannte Fehlerquellen wie Objektpermanenz und Feinmotorik zu testen.
KI-gestützte Halluzinationserkennungstools: W&B Weave & Comet
Wir haben drei Tools zur Halluzinationserkennung – Weights & Biases (W&B) Weave HallucinationFree Scorer, Arize Phoenix HallucinationEvaluator und Comet Opik Hallucination Metric – anhand von 100 Testfällen verglichen. Jedes Tool wurde hinsichtlich Genauigkeit, Präzision, Trefferquote und Latenz bewertet, um einen fairen Vergleich seiner Leistungsfähigkeit im realen Einsatz zu ermöglichen.
Text-zu-Bild-Generatoren: Nano Banana Pro & GPT Image 1.5
Wir verglichen die sechs besten Text-zu-Bild-Modelle anhand von 15 Aufgaben, um ihre Fähigkeiten zur visuellen Bildgenerierung hinsichtlich zeitlicher Konsistenz, physikalischem Realismus, Text- und Symbolerkennung, Verständnis menschlicher Aktivitäten und Kohärenz komplexer Szenen mit mehreren Objekten zu bewerten: Benchmark-Ergebnisse für Text-zu-Bild-Generatoren. Unsere Benchmark-Methodik erläutert die Berechnung der Ergebnisse und zeigt Beispielausgaben.
57 Datensätze für ML- und KI-Modelle
Daten werden benötigt, um generative KI- oder dialogbasierte KI-Lösungen zu nutzen oder zu entwickeln. Sie können auf vorhandene, am Markt verfügbare Datensätze zurückgreifen oder einen Datenerfassungsdienst beauftragen. Wir haben 57 Datensätze identifiziert, die sich zum Trainieren und Evaluieren von Modellen des maschinellen Lernens und der KI eignen. Datensätze für große Sprachmodelle (LLMs) und agentenbasierte KI: Diese Kategorie umfasst Datensätze und Benchmarks, die für das Training und die Evaluierung von KI-Modellen entwickelt wurden.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.