Sıla Ermut
Sıla est analyste sectorielle chez AIMultiple, spécialisée dans le marketing par e-mail et les vidéos de vente.
Intérêts de recherche
Les domaines de recherche de Sıla comprennent le marketing par courriel, les campagnes marketing e-commerce et l'automatisation marketing. Elle participe également au projet d'évaluation de la délivrabilité des courriels d'AIMultiple. À ce titre, elle conçoit et met en œuvre des tests de délivrabilité des courriels en collaboration avec l'équipe technique d'AIMultiple.Expérience professionnelle
Sıla a auparavant travaillé comme recruteuse et dans des entreprises de gestion de projets et de conseil.Éducation
Elle détient :- Licence en relations internationales de l'Université Bilkent.
- Master en psychologie sociale de l'Université Başkent.
Derniers articles de Sıla
Automatisation MSP : Acronis, ConnectWise Automate & Rewst
Les fournisseurs de services gérés (MSP) doivent gérer une charge opérationnelle constante, incluant la gestion des tickets, des correctifs, l'intégration des nouveaux clients, la surveillance des alertes, le rapprochement des factures et la mise à jour de la documentation. Ces tâches, bien que nécessaires, sont chronophages. L'automatisation change la donne en réduisant la charge de travail manuelle et les risques d'erreur humaine, en permettant des réponses proactives grâce à une surveillance continue du système et en améliorant les délais de réponse et la cohérence du service client.
Modèles de base des séries temporelles : cas d'utilisation et avantages
Les modèles de base pour séries temporelles (TSFM) s'appuient sur les avancées des modèles de base issus du traitement automatique du langage naturel et de la vision par ordinateur. Grâce à des architectures basées sur les transformeurs et à des données d'entraînement à grande échelle, ils offrent des performances optimales dès le premier apprentissage et s'adaptent à divers secteurs tels que la finance, la distribution, l'énergie et la santé.
AGI/Singularité : 9 800 prédictions analysées
L'intelligence artificielle générale (IAG) se définit par un système d'IA qui égale les capacités cognitives humaines dans toutes les tâches. D'après les prédictions disponibles, voici quelques réponses rapides concernant l'IAG : L'IAG/la singularité se produira-t-elle ? La plupart des experts en IA estiment que l'IAG est inévitable. Quand la singularité/l'IAG se produira-t-elle ? Des enquêtes récentes menées auprès de chercheurs en IA prévoient l'apparition de l'IAG dans les années 2040.
Apprentissage fédéré : 7 cas d'utilisation et exemples
D'après de récentes analyses de McKinsey, les risques les plus pressants liés à l'adoption de l'IA comprennent les dysfonctionnements des modèles, la provenance et l'authenticité des données, le non-respect des réglementations et les vulnérabilités de la chaîne d'approvisionnement en IA. L'apprentissage fédéré (FL) s'est imposé comme une technique fondamentale pour les organisations souhaitant atténuer ces risques. Il permet aux modèles d'apprendre à partir de données décentralisées tout en préservant la confidentialité des informations sensibles.
Les 20 principales prédictions des experts concernant les pertes d'emplois liées à l'IA
En tant que consultante chez McKinsey, j'ai accompagné des entreprises dans l'adoption des nouvelles technologies pendant dix ans. Mes réponses rapides concernant les pertes d'emplois liées à l'IA : Prévisions de pertes d'emplois liées à l'IA. Remarque : La taille des graphiques est proportionnelle à l'ampleur des prévisions de pertes d'emplois. Les pourcentages mentionnés dans notre analyse reposent sur des hypothèses relatives aux déplacements d'emplois globaux.
Systèmes de recommandation : applications et exemples
Les systèmes de recommandation profitent aux entreprises comme aux clients en utilisant les données pour personnaliser les expériences. Ils contribuent à augmenter les ventes, à fidéliser la clientèle et à réduire le taux d'attrition en simplifiant les choix et en maintenant l'engagement des utilisateurs. Nous avons comparé trois bibliothèques de recommandation Python : LightFM, Cornac BPR et TensorFlow Recommenders, en utilisant le même jeu de données de rétroaction implicite et les mêmes étapes de prétraitement.
Comparaison de modèles d'IA multimodaux en matière de raisonnement visuel
Nous avons évalué les performances de 15 modèles d'IA multimodaux de pointe en matière de raisonnement visuel à l'aide de 200 questions visuelles. L'évaluation comportait deux volets : 100 questions de compréhension de graphiques testant l'interprétation de la visualisation des données, et 100 questions de logique visuelle évaluant la reconnaissance de formes et le raisonnement spatial. Chaque question a été posée 5 fois afin de garantir des résultats cohérents et fiables.
Comparaison des modèles Large Vision : GPT-4o vs YOLOv8n
Les modèles de vision à grande échelle (LVM) peuvent automatiser et améliorer des tâches visuelles telles que la détection de défauts, le diagnostic médical et la surveillance environnementale. Nous avons comparé trois modèles de détection d'objets : YOLOv8n, DETR et GPT-4oVision, sur 1 000 images chacun, en mesurant des métriques telles que le mAP@0,5, la vitesse d'inférence, les FLOP et le nombre de paramètres.
20 applications et exemples d'IA pour le développement durable
Selon PwC, l'IA générative pourrait améliorer l'efficacité opérationnelle, ce qui pourrait indirectement réduire l'empreinte carbone des processus métier. En appliquant l'IA générative à des domaines tels que l'optimisation logistique, la prévision de la demande et la réduction des déchets, les entreprises peuvent réduire leurs émissions sur l'ensemble de leurs opérations, au-delà des systèmes d'IA eux-mêmes.
57 jeux de données pour les modèles d'apprentissage automatique et d'intelligence artificielle
Des données sont nécessaires pour exploiter ou développer des solutions d'IA générative ou conversationnelle. Vous pouvez utiliser des jeux de données existants disponibles sur le marché ou faire appel à un service de collecte de données. Nous avons identifié 57 jeux de données pour entraîner et évaluer des modèles d'apprentissage automatique et d'IA. Modèles de langage à grande échelle (LLM) et jeux de données d'IA agentique : cette catégorie comprend des jeux de données et des benchmarks conçus pour l'entraînement et l'évaluation de modèles d'IA.
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.