Sıla Ermut
Sıla è un'analista di settore presso AIMultiple specializzata in email marketing e video di vendita.
Interessi di ricerca
Le aree di ricerca di Sıla includono email marketing, campagne di marketing e-commerce e automazione del marketing.Fa anche parte del benchmark di deliverability email di AIMultiple. Sta progettando ed eseguendo benchmark di deliverability email in collaborazione con il team tecnologico di AIMultiple.
Esperienza professionale
Sıla ha precedentemente lavorato come recruiter e ha lavorato in società di project management e consulenza.Istruzione
Possiede:- Laurea triennale in Relazioni Internazionali presso l'Università Bilkent.
- Laurea Magistrale in Psicologia Sociale presso l'Università Başkent.
La sua tesi di laurea magistrale si è concentrata su preoccupazioni etiche e psicologiche riguardo all'AI. La sua tesi ha esaminato la relazione tra esposizione all'AI, atteggiamenti verso l'AI e ansie esistenziali a diversi livelli di utilizzo dell'AI.
Ultimi articoli di Sıla
Automazione MSP: Acronis, ConnectWise Automate & Rewst
I fornitori di servizi gestiti (MSP) gestiscono un carico operativo costante, che include la gestione dei ticket, la gestione delle patch, l'onboarding, il monitoraggio degli alert, la riconciliazione della fatturazione e gli aggiornamenti della documentazione. Si tratta di attività necessarie ma dispendiose in termini di tempo. L'automazione cambia l'equazione riducendo il carico di lavoro manuale…
Modelli fondazionali per serie temporali: Casi d'uso e vantaggi
I modelli fondazionali per serie temporali (TSFMs) si basano sui progressi nei modelli fondazionali derivati dall'elaborazione del linguaggio naturale e dalla visione artificiale. Utilizzando architetture basate su transformer e dati di addestramento su larga scala, raggiungono prestazioni zero-shot e si adattano attraverso settori come finanza, retail, energia e sanità. Scopri l'architettura, i casi d'uso, l'adozione…
57 Dataset per ML e Modelli di AI
I dati sono necessari per sfruttare o costruire soluzioni di IA generativa o IA conversazionale. Puoi utilizzare dataset esistenti disponibili sul mercato o assumere un servizio di raccolta dati. Abbiamo identificato 57 dataset per addestrare e valutare modelli di machine learning e AI. Questa categoria include dataset e benchmark progettati per l'addestramento e la valutazione…
Top 10 Strumenti di Monitoraggio dei Prezzi
Gli strumenti di monitoraggio dei prezzi tracciano i prezzi dei concorrenti per abilitare strategie di pricing che rispondono ai cambiamenti del mercato e rimangono competitive al variare delle condizioni. Esplora i top 10 strumenti di monitoraggio dei prezzi, analizza le loro funzionalità chiave e i modelli di prezzo, e scopri come possono abilitare strategie di…
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.