Sıla Ermut
Sıla è un'analista di settore presso AIMultiple e si occupa di modelli di IA, infrastrutture di IA, governance dell'IA e applicazioni aziendali dell'IA.
Interessi di ricerca
La ricerca di Sıla si concentra sull'uso dell'IA nel marketing, nella sanità, nelle catene di approvvigionamento e nella sostenibilità. Si occupa anche di valutazione dell'IA, governance, etica e adozione.Il suo lavoro comprende la ricerca e il confronto di tecnologie di IA, l'analisi delle loro applicazioni aziendali e il contributo ai benchmark tecnologici di AIMultiple.
Esperienza professionale
In precedenza Sıla ha lavorato come reclutatrice e in società di project management e consulenza.Formazione
Ha conseguito:- Bachelor of Arts in Relazioni Internazionali presso la Bilkent University.
- Master of Science in Psicologia Sociale presso la Başkent University.
La sua tesi di Master si è concentrata sulle preoccupazioni etiche e psicologiche riguardanti l'IA. La sua tesi ha esaminato la relazione tra l'esposizione all'IA, gli atteggiamenti verso l'IA e le ansie esistenziali a diversi livelli di utilizzo dell'IA.
Ultimi articoli di Sıla
Modelli Quantitativi Su Larga Scala: Applicazioni e Sfide
I sistemi moderni stanno diventando troppo complessi per l'analisi statistica tradizionale, poiché le istituzioni ora gestiscono enormi dataset, inclusi dati di pazienti, meteorologici e dei mercati finanziari. I modelli quantitativi su larga scala (LQM) aiutano elaborando questi dataset, integrando dati strutturati e non strutturati e applicando la modellazione predittiva per scoprire modelli e fornire insight…
Prezzi dei primi 6 software di IT Service Management (ITSM)
Strumenti di IT Service Management (ITSM) che supportano la gestione di incidenti, problemi, cambiamenti e knowledge base offrono modelli di prezzo diversificati. Consulta i dettagli sui prezzi del servizio di gestione IT dei primi 6 fornitori e la guida alle funzionalità per le piccole imprese e le grandi aziende. Nota: Le informazioni sui prezzi sono…
LLM Quantizzazione: BF16 vs FP8 vs INT4
Abbiamo benchmarkato Qwen3-32B a 4 livelli di precisione (BF16, FP8, GPTQ-Int8, GPTQ-Int4) su una singola NVIDIA H100 80GB GPU. Ogni configurazione è stata valutata su 2 benchmark (~12,2K domande) che coprono conoscenza e generazione di codice, oltre a oltre 2.000 esecuzioni di inferenza per misurare il throughput. Int4 è 2,7x più veloce di BF16 pur…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.