Premium
Services
Premium
Ekrem Sarı

Ekrem Sarı

Chercheur en IA
37 Articles
Restez informé des dernières technologies B2B

Ekrem est chercheur en IA et scientifique des données chez AIMultiple. Il conçoit et exécute des benchmarks pratiques pour les systèmes d'IA et de LLM.

Expérience professionnelle

Chez AIMultiple, Ekrem évalue des systèmes d'IA de bout en bout et construit les flux de données et les tableaux de bord utilisés pour suivre les indicateurs de benchmark et de produit. Ses benchmarks couvrent les modèles d'embedding et de reclassement, les bases de données vectorielles et de graphes, les moteurs d'inférence, la quantification, la concurrence GPU et la mise à l'échelle multi-GPU, la tarification et les fournisseurs de GPU cloud, le text-to-SQL, ainsi que les frameworks RAG et RAG agentique.

Avant AIMultiple, il a travaillé comme scientifique des données chez Yandex, où il a interrogé et analysé de grands datasets avec SQL pour évaluer la qualité de la recherche et du classement par rapport à des consignes détaillées.

Intérêts de recherche

Les travaux d'Ekrem portent sur la mesure des performances en conditions réelles des systèmes LLM et de recherche d'information. Il conçoit le harnais de test, exécute les charges de travail sur du matériel réel et compare les modèles, les frameworks et l'infrastructure en termes de précision, de débit, de latence, de coût et d'évolutivité, sur l'ensemble de la pile, des modèles d'embedding et des bases de données vectorielles aux moteurs d'inférence et à l'infrastructure GPU. Son mémoire de master automatise les revues systématiques de la littérature avec un pipeline basé sur RAG.

Formation

Ekrem est titulaire d'un master en systèmes d'information de gestion de l'université Başkent, où son mémoire a automatisé les revues systématiques de la littérature avec un pipeline basé sur RAG, et poursuit un deuxième master en ingénierie des données et de la connaissance à l'université Hacettepe.

Derniers articles de Ekrem

Cybersécurité
Benchmark
29 sep

Détection de bots: 9 fournisseurs anti-bots comparés

Nous avons identifié l’entreprise anti-bot protégeant environ 3 800 des principaux domaines et mesuré la fréquence à laquelle chaque domaine bloquait nos bots sur 50 000 requêtes. Cloudflare défend 73,3 % des 3 859 domaines et a enregistré un taux de blocage de 6,7 %. Imperva défend 3,7 % et a enregistré 46,6 %. Les deux mesures classent les neuf entreprises dans…

Cybersécurité
Benchmark
29 sep

Benchmark des logiciels DLP

Nous avons évalué Acronis DeviceLock DLP et ManageEngine DLP Plus sur des machines virtuelles Windows Server 2022 identiques avec 28 scénarios : 23 tests de fuite de données (dont 12 fichiers d'évasion adversaire), 3 tests de sécurité de l'agent et 2 tests sous forte consommation de CPU et de mémoire. Pour les autres produits DLP,…

Données
Benchmark
28 sep

Web Scraping à Grande Échelle: 7 Fournisseurs Évalués

Nous avons exécuté deux benchmarks sur des sites web réels, de 5 à 5 000 requêtes simultanées. Le premier a envoyé 260 000 requêtes via quatre débloqueurs web sur les 10 000 premiers domaines Tranco, plus un test d'extraction markdown sur 10 000 URLs. Le second a récupéré 65 000 pages produits et pages de recherche auprès de chacun des…

Données
Benchmark
28 sep

Scraper e-commerce: 4 fournisseurs évalués

Nous avons comparé quatre fournisseurs de données web sur 100 domaines e-commerce, en récupérant 65 000 pages produit et recherche chacun, avec un niveau de 5 à 5 000 requêtes simultanées. En moyenne sur les niveaux de simultanéité, Bright Data a atteint le taux de réussite le plus élevé (76 %) avec une médiane de 16…

IA
Benchmark
27 sep

Open Source Embedding Models: 11 Models benchmarkés pour la récupération

nDCG@10 évalue le placement des passages pertinents enregistrés dans les dix premiers résultats de recherche. Un score de 1 représente le classement idéal pour les positifs enregistrés. Les passages plus proches du sommet reçoivent plus de poids. PPLX Embed v1 4B a mené la comparaison à 0.741 nDCG@10, suivi de PPLX Embed v1 0.6B à…

Cybersécurité
Benchmark
22 sep

Benchmark des logiciels de sauvegarde: Acronis vs NinjaOne vs Comet vs MSP360

Nous avons évalué NinjaOne Backup, Acronis Cyber Protect Cloud Backup, Comet Backup et MSP360 Managed Backup sur une infrastructure AWS identique. Chaque fournisseur a effectué une sauvegarde en mode fichier de la même charge de travail de 625 946 fichiers / 50 Go et une sauvegarde d'image complète du disque système, puis a restauré le sous-répertoire…

IA
Comparaison des Fonctionnalités
22 sep

Indice des prix de location de GPU cloud

Dernière génération affiche la plus forte hausse de prix parmi les trois groupes. Sa médiane à la demande est passée de $2,12 par GPU-heure en octobre 2024 à $4,72 en septembre 2026. Sur la même période, le groupe Moderne est passé de $1,35 à $1,45, tandis que l’Ancienne génération a reculé de $1,77 à $0.95.…

IA
Évaluation en Monde Ouvert
21 sep

Top 70+ fournisseurs de cloud GPU

Les fournisseurs de cloud GPU se répartissent en trois niveaux. Les hyperscalers exploitent de vastes plateformes cloud avec la location de GPU comme un produit parmi d’autres. Les neoclouds spécialisés se concentrent sur l’infrastructure GPU et IA comme produit principal. Les places de marché communautaires agrègent l’inventaire de nombreux petits opérateurs, souvent au plancher de…

IA
Analyse
21 sep

LLM Calculateur de VRAM pour l'auto-hébergement

Auto-héberger un LLM signifie exécuter l'inférence sur du matériel contrôlé par l'opérateur plutôt que via une API tierce, ce qui modifie le coût, le contrôle des données et le profil de confidentialité. Qu'un modèle puisse s'exécuter dépend de la mémoire. Le calculateur estime la VRAM ou la mémoire unifiée dont un modèle a besoin pour…

IA
Benchmark
21 sep

Benchmark multi-GPU: B200 vs H200 vs H100 vs MI300X

Depuis plus de deux décennies, l’optimisation des performances de calcul est une pierre angulaire de mon travail. Nous avons évalué les NVIDIA B200, H200, H100 et AMD MI300X pour mesurer leur capacité de mise à l’échelle pour l’inférence de Large Language Model (LLM). En utilisant le framework vLLM avec le modèle meta-llama/Llama-3.1-8B-Instruct, nous avons exécuté…