Ekrem Sarı
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
GPU Benchmark de concurrence: H100 vs H200 vs B200 vs MI300X
J'ai passé les 20 dernières années à me concentrer sur l'optimisation des performances de calcul au niveau système. Nous avons évalué les derniers NVIDIA GPUs, y compris les NVIDIA H100, H200 et B200, et l'AMD MI300X, pour une analyse de mise à l'échelle de la concurrence. En utilisant le framework vLLM avec le gpt-oss-20b model,…
Alternatives au DGX Spark: RTX, Ryzen IA Halo et Mac Studio
Nous comparons les benchmarks d’inference publiés pour DGX Spark, RTX et Ryzen IA Halo, couvrant le traitement des prompts, la génération de tokens et les contextes plus longs. Les alternatives incluent le Framework Desktop, le Mac Studio et les systèmes GB10 d’autres fabricants. La vitesse de décodage mesure les tokens de sortie générés par seconde.…
GPU cloud gratuits: modèles, limites et conditions d'accès
Des GPU cloud gratuits sont disponibles via des notebooks Python, des démos d’IA et des crédits de calcul mensuels. Comparez le matériel GPU, les quotas gratuit et les conditions d’accès, ou vérifiez quels services conviennent à votre charge de travail. Deux T4 fournissent deux allocations mémoire distinctes de 16 Go. Exécuter un modèle sur les…
Comparer les modèles de fondation relationnels
Nous avons évalué SAP-RPT-1-OSS par rapport au gradient boosting (LightGBM, CatBoost) sur 17 jeux de données tabulaires couvrant le spectre sémantique-numérique, des tables petites/hautement sémantiques, des jeux de données métier mixtes et de grands jeux de données numériques à faible sémantique. Notre objectif est de mesurer où les a priori sémantiques pré-entraînés d’un LLM relationnel…
Benchmark de reprise après sinistre: Acronis vs Comet vs MSP360
Nous avons comparé Acronis Cyber Protect Cloud, Comet Backup et MSP360 Managed Backup en matière de reprise après sinistre. Chaque fournisseur a imagé un serveur Windows Server 2022 en production et un serveur Ubuntu 24.04 en production exécutant la même charge de travail déterministe, un service web, une base de données de 10 000 lignes et…
Benchmark de bases de données vectorielles: 7 moteurs open source pour RAG
Nous avons évalué sept bases de données vectorielles open source auto-hébergées comme couche de récupération d’un pipeline RAG, chacune exécutée une par une sur des embeddings bge-m3 identiques et des requêtes médicales et techniques réelles, de sorte que l’index de la base de données était la seule variable. La charge de travail couvrait MedRAG-50k, TechQA-28k…
Tarification, performances et comparatif des fournisseurs de GPU cloud
Les prix catalogue des GPU cloud pour un même modèle peuvent varier de plusieurs fois d’un fournisseur à l’autre. Nous avons sélectionné le tarif le plus bas, le fournisseur, la plage de prix du marché et la médiane pour plus de 40 configurations de GPU dans les trois niveaux de tarification, ainsi qu’un benchmark de…
RAG Frameworks: LangChain vs LangGraph vs LlamaIndex
Nous avons benchmarké 5 RAG frameworks : LangChain, LangGraph, LlamaIndex, Haystack et DSPy, en construisant le même workflow RAG agentique avec des composants standardisés : modèles identiques (GPT-4.1-mini), embeddings (BGE-small), retriever (Qdrant) et outils (recherche web Tavily). Ceci isole la surcharge réelle et l’efficacité en tokens de chaque framework. Le benchmark consistait en 100 requêtes,…
Meilleurs RAG outils, frameworks et bibliothèques
RAG améliore les réponses des LLM en les ancrant dans des données externes au lieu de se contenter de ce que le modèle a mémorisé pendant l’entraînement. Nous avons évalué les composants à partir desquels un système RAG est construit et rassemblé les résultats en un seul endroit, avec un guide pratique pour choisir chaque…
Recherche agentique: benchmark de 8 API de recherche pour les agents
La recherche agentique joue un rôle crucial pour combler le fossé entre les moteurs de recherche traditionnels et les capacités de recherche de l’IA. Les API de recherche constituent la première couche d’un outil agentique, où la performance plafonne la qualité de tout ce qui suit. Nous avons évalué 8 API de recherche sur 100…
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.