Sıla Ermut
Sıla es analista de la industria en AIMultiple que cubre modelos de IA, infraestructura de IA, gobernanza de IA y aplicaciones empresariales de IA.
Intereses de investigación
La investigación de Sıla se centra en el uso de la IA en marketing, salud, cadenas de suministro y sostenibilidad. También cubre la evaluación de IA, gobernanza, ética y adopción.Su trabajo incluye investigar y comparar tecnologías de IA, analizar sus aplicaciones empresariales y contribuir a los puntos de referencia tecnológicos de AIMultiple.
Experiencia profesional
Sıla trabajó anteriormente como reclutadora y trabajó en empresas de gestión de proyectos y consultoría.Educación
Tiene:- Licenciatura en Relaciones Internacionales por la Universidad de Bilkent.
- Máster en Psicología Social por la Universidad de Başkent.
Su tesis de máster se centró en preocupaciones éticas y psicológicas sobre la IA. Su tesis examinó la relación entre la exposición a la IA, las actitudes hacia la IA y las ansiedades existenciales en diferentes niveles de uso de la IA.
Últimos artículos de Sıla
Precios de las 6 mejores herramientas de Gestión de Servicios de TI (ITSM)
Las herramientas de Gestión de Servicios de TI (ITSM) que admiten la gestión de incidentes, problemas, cambios y bases de conocimiento ofrecen diversos modelos de precios. Consulta los detalles de precios de la gestión de servicios de TI de los 6 principales proveedores y la guía de características para pequeñas empresas y grandes corporaciones. Nota:…
Principales 11 casos de uso de IA en la moda y ejemplos
Ante cuellos de botella creativos, cadenas de suministro ineficientes y expectativas crecientes de los consumidores, las marcas de moda buscan soluciones más inteligentes. McKinsey estima que la IA generativa podría aumentar los beneficios operativos en los sectores de moda, indumentaria y lujo hasta en 275 mil millones de dólares para 2028.1 Explore los 11 principales…
Prueba de referencia de detectores de imágenes de IA
A medida que estas visuales sintéticas se vuelven más realistas y accesibles, la capacidad de detectarlas se ha convertido en una preocupación crítica para mantener la ética de la IA generativa, combatir la desinformación y garantizar la autenticidad de las imágenes. Comparamos los 7 mejores detectores de imágenes de IA en 5 dimensiones y descubrimos…
Las 4 principales barreras de IA: Weights and Biases y NVIDIA NeMo
Los fallos de seguridad en IA son costosos y cada vez más comunes. Muchos incidentes provienen de una gobernanza débil, especialmente brechas en el control de acceso, permisos de datos y supervisión del uso del modelo. Las barreras de IA reducen este riesgo al establecer límites exigibles sobre cómo los sistemas de IA acceden a…
Top 10 Herramientas de Monitoreo de Precios
Las herramientas de monitoreo de precios rastrean los precios de los competidores para permitir estrategias de precios que respondan a los cambios del mercado y mantengan la competitividad a medida que cambian las condiciones. Explore las 10 principales herramientas de monitoreo de precios, revise sus características clave y modelos de precios, y aprenda cómo pueden…
LLM Cuantización: BF16 vs FP8 vs INT4
Hemos realizado un benchmark de Qwen3-32B en 4 niveles de precisión (BF16, FP8, GPTQ-Int8, GPTQ-Int4) en una sola NVIDIA H100 80GB GPU. Cada configuración fue evaluada en 2 benchmarks (~12.2K preguntas) que cubren conocimiento y generación de código, además de 2.000+ ejecuciones de inferencia para medir el rendimiento. Int4 es 2.7x más rápido que BF16…
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.