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
LLM Strumenti di osservabilità: Weights & Biases, Langsmith
Le applicazioni LLM si sono espanse da chat a turno singolo ad agenti multi-step che usano strumenti, interrogano database e si coordinano con altri model, rendendo il loro comportamento più difficile da interpretare. L'osservabilità LLM fornisce visibilità continua su questi flussi di lavoro complessi, aiutando le organizzazioni a monitorare la qualità, rilevare i guasti, risolvere…
Time Series Foundation Models: Casi d'uso e vantaggi
I time series foundation model (TSFM) sono model pre-addestrati che prevedono, classificano, imputano e rilevano anomalie nei dati delle serie temporali senza richiedere un model separato per ogni dataset o settore. I TSFM utilizzano architetture basate su transformer e dataset di serie temporali su larga scala per generalizzare in domini come finanza, retail, energia e…
Top 20 Casi di Studio ITSM
Sfruttare gli strumenti di IT Service Management (ITSM) è essenziale per le aziende che mirano ad aumentare l'efficienza delle loro operazioni IT e migliorare la fornitura di servizi. Esplora i casi di studio ITSM in vari settori come istruzione, produzione, trasporti e telecomunicazioni, e vedi come le aziende hanno sfruttato le soluzioni ITSM per superare…
Le 5 principali sfide e soluzioni del riconoscimento facciale
Il riconoscimento facciale è ormai parte della vita quotidiana, dallo sblocco dei telefoni alla verifica dell'identità negli spazi pubblici. La sua diffusione continua a crescere, portando sia comodità che nuove possibilità. Tuttavia, questa espansione solleva anche preoccupazioni riguardo a precisione, privacy, pregiudizi ed equità che richiedono un'attenzione accurata. Il grafico confronta otto sistemi di riconoscimento…
Confronto dei modelli fondazionali relazionali
Abbiamo confrontato SAP-RPT-1-OSS con il gradient boosting (LightGBM, CatBoost) su 17 dataset tabulari che coprono lo spettro semantico-numerico, tabelle piccole/ad alta semantica, dataset aziendali misti e grandi dataset numerici a bassa semantica. Il nostro obiettivo è misurare dove i priori semantici pre-addestrati di un LLM relazionale possano offrire vantaggi rispetto ai modelli ad albero tradizionali…
I 6 migliori builder di app IA: Lovable, Base44 e Glide
Abbiamo testato i 6 migliori builder di app IA no-code/low-code utilizzando 1 prompt su 15 dimensioni, tra cui configurazione, navigazione, checkout, design e usabilità. Leggi la metodologia del benchmark e la valutazione per vedere come abbiamo testato questi strumenti. Lovable è meglio descritto come un builder di app low-code o no-code basato su IA con…
Confronta i Large Vision Models: GPT-4o vs YOLOv8n
I large vision models (LVM) possono automatizzare e migliorare i compiti visivi come il rilevamento dei difetti, la diagnosi medica e il monitoraggio ambientale. Abbiamo effettuato il benchmark di tre model di object detection: YOLOv8n, DETR e GPT-4o Vision, su 1.000 immagini ciascuno, misurando metriche come mAP@0.5, velocità di inference, FLOPs e numero di parametri.…
20 Strategie per il miglioramento dell'IA & Esempi
I modelli di IA richiedono un miglioramento continuo poiché i dati, il comportamento degli utenti e le condizioni del mondo reale evolvono. Anche i modelli con buone prestazioni possono subire deriva quando i pattern appresi non corrispondono più agli input attuali, portando a una riduzione dell'accuratezza e a previsioni inaffidabili. I cambiamenti nelle normative, nei…
8 Casi d'uso del monitoraggio di rete con esempi reali
Il monitoraggio di rete è una di quelle cose che i team IT notano solo quando manca. Quando funziona bene, i problemi vengono rilevati prima che gli utenti si accorgano che qualcosa non va. Quando è assente, un piccolo problema di connettività può trasformarsi silenziosamente in una grave interruzione. Consulta gli esempi qui sotto per…
IA generativa aziendale: 11 casi d'uso e migliori pratiche
L'IA generativa (GenAI) presenta nuove opportunità per le imprese rispetto alle aziende di medie dimensioni o alle startup, tra cui: Tuttavia, l'IA generativa comporta sfide uniche per le grandi organizzazioni. Ad esempio: Esplora i nostri casi d'uso dell'IA aziendali per scoprire come le grandi aziende possono costruire, distribuire e governare efficacemente i propri model di…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.