Sıla Ermut
Sıla ist Branchenanalystin bei AIMultiple und befasst sich mit KI-Modellen, KI-Infrastruktur, KI-Governance und Unternehmensanwendungen von KI.
Forschungsinteressen
Sılas Forschung konzentriert sich auf den Einsatz von KI in Marketing, Gesundheitswesen, Lieferketten und Nachhaltigkeit. Sie befasst sich außerdem mit KI-Evaluierung, Governance, Ethik und Adoption.Ihre Arbeit umfasst die Recherche und den Vergleich von KI-Technologien, die Analyse ihrer Geschäftsanwendungen sowie die Mitarbeit an den Technologie-Benchmarks von AIMultiple.
Berufserfahrung
Sıla war zuvor als Personalvermittlerin tätig und arbeitete in Projektmanagement- und Beratungsunternehmen.Ausbildung
Sie besitzt:- Bachelor of Arts in Internationalen Beziehungen von der Bilkent University.
- Master of Science in Sozialpsychologie von der Başkent University.
Ihre Masterarbeit befasste sich mit ethischen und psychologischen Bedenken im Zusammenhang mit KI. Ihre Arbeit untersuchte die Beziehung zwischen KI-Exposition, Einstellungen gegenüber KI und existenziellen Ängsten über verschiedene Nutzungsgrade von KI hinweg.
Neueste Artikel von Sıla
KI-Umsätze im gesamten Stack vergleichen
Der KI-Markt expandierte rasant über alle vier Schichten (Daten, Rechenleistung, Modelle und Anwendungen). Zum Beispiel stieg der Rechenzentrumsumsatz von NVIDIA von $47,5B auf $115,2B in einem einzigen Geschäftsjahr (GJ2024 bis GJ2025, endend im Januar 2024 und Januar 2025). Wir haben Umsatzdaten von über 80 KI-Unternehmen verfolgt. Erkunden Sie, wie sich die Umsätze über die Schichten…
AutoSys: Hauptfunktionen und Benutzereinblicke
Das Interesse an Broadcoms AutoSys ist rückläufig (Quelle: Google Trends) und es hat eine niedrigere durchschnittliche Bewertung auf Bewertungsplattformen im Vergleich zu den meisten anderen Workload-Automatisierungstools. Dies könnte teilweise erklärt werden durch: Tauchen Sie ein in die Funktionen, Nutzerbewertungen und den Ausblick von AutoSys, um mehr zu erfahren: AutoSys wurde ursprünglich von CA Technologies entwickelt…
E-Commerce-Technologien Anwendungsfälle & Beispiele
Der zunehmende Wettbewerb im E-Commerce-Sektor erfordert, dass Unternehmen verstehen, wie Technologie die Kundenerwartungen verändert. Organisationen müssen über neue Tools und Marktentwicklungen informiert bleiben, um effektiv reagieren und die Servicequalität aufrechterhalten zu können. Entdecken Sie die Top 15 E-Commerce-Technologien in Personalisierung und Kundenbindung, Betrieb und Effizienz sowie Zahlungssystemen: Chatbots und intelligente virtuelle Assistenten (IVAs) können effektiv…
KI-Rollups: Finanzierung, Investoren und Branchentrends
Wir haben 30 Investitionen mit über 130 Investoren aus den letzten 3 Jahren analysiert, um den aktuellen Trend bei KI-Rollups zu verstehen. Basierend auf unserer Analyse haben wir Investorenaktivität und -trends identifiziert, einschließlich der Anzahl der Investoren, die KI-Rollups unterstützen, der gesamten für KI-Rollups aufgebrachten Finanzierung und der führenden Branchen. Siehe die Methodik, um zu…
Große quantitative Modelle: Anwendungen & Herausforderungen
Moderne Systeme werden zu komplex für traditionelle statistische Analysen, da Institutionen heute massive Datensätze verarbeiten, darunter Patienten-, Wetter- und Finanzmarktdaten. Große quantitative Modelle (LQMs) helfen, indem sie diese Datensätze verarbeiten, strukturierte und unstrukturierte Daten integrieren und prädiktive Modellierung anwenden, um Muster zu erkennen und datengestützte Erkenntnisse zu liefern, die traditionelle Methoden nicht bieten können. Erfahren…
Preise der Top 6 IT-Service-Management (ITSM)-Software
IT-Service-Management (ITSM)-Tools, die Incident-, Problem-, Change- und Wissensdatenbank-Management unterstützen, bieten diverse Preismodelle. Siehe Preisdetails der Top 6 Anbieter für IT-Service-Management und der Funktionsleitfaden für kleine Unternehmen und Großunternehmen. Hinweis: Preisinformationen stammen von den Websites der Anbieter. Entdecken Sie IT-Asset-Management-Preise, um weitere Anbieter mit einer Reihe von Preisplänen zu finden. *Mit gekennzeichnete Funktionen werden entweder nicht…
LLM Quantisierung: BF16 vs FP8 vs INT4
Wir haben Qwen3-32B auf 4 Genauigkeitsstufen (BF16, FP8, GPTQ-Int8, GPTQ-Int4) auf einer einzelnen NVIDIA H100 80GB GPU getestet. Jede Konfiguration wurde auf 2 Benchmarks (~12,2K Fragen) bewertet, die Wissen und Code-Generierung abdecken, sowie auf 2.000+ Inferenzläufen zur Messung des Durchsatzes. Int4 ist 2,7-mal schneller als BF16, verliert jedoch weniger als 2 Punkte auf MMLU-Pro, während…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.