Ekrem Sarı
Ekrem es investigador de IA en AIMultiple, donde se centra en la automatización inteligente, las GPU, los agentes de IA y las LLMOps para marcos RAG.
Experiencia profesional
Durante su etapa como evaluador en Yandex, evaluó los resultados de búsqueda utilizando marcos de trabajo propios y protocolos automatizados. Implementó pruebas de control de calidad mediante la anotación de datos, la puntuación de relevancia y el mapeo de la intención del usuario en más de 10 000 consultas mensuales, al tiempo que realizaba evaluaciones técnicas, incluyendo la monitorización del rendimiento y la detección de spam mediante bucles de retroalimentación de aprendizaje automático.Intereses de investigación
En AIMultiple, su investigación se centra en el ciclo de vida de MLOps y en el rendimiento y la evaluación comparativa de sistemas de IA de extremo a extremo. Colabora en una amplia gama de proyectos, incluyendo la optimización de la Generación Aumentada por Recuperación (RAG), la evaluación comparativa exhaustiva de Modelos de Lenguaje a Gran Escala (LLM) y el diseño de marcos de IA basados en agentes. Ekrem se especializa en el desarrollo de metodologías basadas en datos para medir y mejorar el rendimiento de la tecnología de IA en métricas operativas críticas como la precisión, la eficiencia, el coste de la API y la escalabilidad. Su análisis abarca toda la pila tecnológica, desde componentes fundamentales como los modelos de incrustación y las bases de datos vectoriales hasta la GPU de alto rendimiento y la infraestructura en la nube necesarias para implementar agentes de IA.Educación
Ekrem tiene una licenciatura de Hacettepe Üniversitesi y una maestría de Başkent Üniversitesi.Últimos artículos de Ekrem
Calculadora de dimensionamiento y selección de bases de datos vectoriales
La pregunta práctica detrás de una base de datos vectorial autogestionada para RAG es qué motor se ajusta a un servidor dado y cuál descarta la carga de trabajo. La calculadora a continuación responde ambas, a partir de nuestro benchmark de siete bases de datos vectoriales autogestionadas ejecutadas con recall emparejado sobre incrustaciones idénticas. Cinco…
Comparativa de Recuperación ante Desastres: Acronis vs Comet vs MSP360
Probamos Acronis Cyber Protect Cloud, Comet Backup y MSP360 Managed Backup en recuperación ante desastres. Cada proveedor creó una imagen de un servidor Windows Server 2022 activo y de un servidor Ubuntu 24.04 activo con la misma carga de trabajo determinista, un servicio web, una base de datos de 10,000 filas y 50 archivos, y…
Scraper de Comercio Electrónico: 6 Proveedores Comparados
Comparamos cinco proveedores de datos web en 100 dominios de comercio electrónico, obteniendo 65.000 páginas de producto y búsqueda cada una, con 5 a 5.000 solicitudes simultáneas. Promediando los niveles de simultaneidad, Decodo registró la mediana de respuesta más rápida, alrededor de 7 segundos, con una tasa de éxito del 59%, mientras que Bright Data…
Mejores herramientas, frameworks y bibliotecas de RAG
RAG mejora las respuestas de los LLM al basarlas en datos externos en lugar de solo en lo que el modelo memorizó durante el entrenamiento. Hemos evaluado los componentes con los que se construye un sistema RAG y recopilado los resultados en un solo lugar, con una guía práctica para elegir cada parte del stack.…
Comparativa de Bases de Datos Vectoriales: 7 Motores de Código Abierto para RAG
Comparamos siete bases de datos vectoriales autogestionadas de código abierto como capa de recuperación de un pipeline de RAG, ejecutándose cada una por separado sobre los mismos embeddings bge-m3 y consultas reales médicas y técnicas, de modo que el índice de la base de datos fue la única variable. La carga de trabajo abarcó MedRAG-50k,…
GPU Benchmark de concurrencia: H100 vs H200 vs B200 vs MI300X
He pasado los últimos 20 años centrándome en la optimización del rendimiento computacional a nivel de sistema. Realizamos un benchmark de las últimas NVIDIA GPUs, incluida la H100 de NVIDIA, H200 y B200, y la MI300X de AMD, para análisis de escalado de concurrencia. Usando el framework vLLM con el gpt-oss-20b model, probamos cómo estas…
Text-to-SQL: Comparación de la precisión de LLM
He confiado en SQL para el análisis de datos durante 18 años, comenzando en mis días como consultor. Traducir preguntas en lenguaje natural a SQL hace que los datos sean más accesibles, permitiendo a cualquiera, incluso a aquellos sin habilidades técnicas, trabajar directamente con bases de datos. Utilizamos nuestra metodología de referencia text-to-SQL en más…
Los 20+ Mejores Frameworks de RAG Agentic
El RAG agentic mejora el RAG tradicional al potenciar el rendimiento de los LLM y permitir una mayor especialización. Realizamos un benchmark para evaluar su rendimiento en el enrutamiento entre múltiples bases de datos y la generación de consultas. Explore los frameworks y librerías de RAG agentic, las diferencias clave con el RAG estándar, los…
Comparativa de software de copia de seguridad: Acronis vs NinjaOne vs Comet vs MSP360
Comparamos Acronis Cyber Protect Cloud Backup, Comet Backup, MSP360 Managed Backup y NinjaOne Backup en una infraestructura AWS idéntica. Cada proveedor ejecutó una copia de seguridad en modo archivo de la misma carga de trabajo de 625,946 archivos / 50 GB y una copia de seguridad completa de imagen del disco del sistema, y luego…
Los mejores más de 60 proveedores de Cloud GPU
Los proveedores de cloud GPU se dividen en tres niveles. Los hiperescaladores operan plataformas cloud amplias con el alquiler de GPU como un producto entre muchos. Los neoclouds especializados se centran en GPU e infraestructura de IA como su producto principal. Los marketplaces comunitarios agregan inventario de muchos operadores pequeños, a menudo en el nivel…
Boletín informativo de AIMultiple
Reciba un correo electrónico gratuito a la semana con las últimas noticias tecnológicas B2B y análisis de expertos para impulsar su empresa.