Sıla Ermut
Sıla é analista da indústria na AIMultiple, cobrindo modelos de IA, infraestrutura de IA, governança de IA e aplicações empresariais de IA.
Interesses de investigação
A investigação de Sıla centra-se na utilização da IA em marketing, saúde, cadeias de abastecimento e sustentabilidade. Ela também cobre avaliação, governança, ética e adoção da IA.O seu trabalho inclui investigar e comparar tecnologias de IA, analisar as suas aplicações empresariais e contribuir para os benchmarks tecnológicos da AIMultiple.
Experiência profissional
Sıla trabalhou anteriormente como recrutadora e trabalhou em empresas de gestão de projetos e consultoria.Formação académica
Ela possui:- Licenciatura em Relações Internacionais pela Bilkent University.
- Mestrado em Psicologia Social pela Başkent University.
A sua tese de mestrado focou-se nas preocupações éticas e psicológicas sobre a IA. A sua tese examinou a relação entre a exposição à IA, as atitudes em relação à IA e as ansiedades existenciais em diferentes níveis de utilização da IA.
Últimos artigos de Sıla
17 Casos de Uso de IA Generativa na Saúde
Os sistemas de saúde estão a enfrentar volumes de dados crescentes, escassez de pessoal e expectativas cada vez maiores de cuidados personalizados. A IA generativa está a emergir como uma solução chave ao sintetizar dados médicos não estruturados, tais como notas clínicas, relatórios de imagem e históricos de pacientes, em insights para clínicos e administradores.…
Principais 11 Casos de Uso de IA em ITSM e Exemplos
Alavancar a IA para ferramentas de gerenciamento de serviços de TI (ITSM) apoia as organizações em termos de: Veja os principais 11 casos de uso de IA em ITSM, exemplos e benefícios de alavancar a IA em ITSM. ITSM nativo de IA refere-se a uma nova maneira de gerenciar suporte interno e operações de TI,…
LLM Participação de Mercado: Compare Uso e Adoção
Analisámos a participação de mercado dos LLMs combinando dados baseados em uso e estimativas de visitas web para mostrar como a procura por grandes modelos de linguagem está distribuída pelos laboratórios de IA e aplicações de IA: Leia a metodologia para ver como medimos e calculámos estes resultados. Os Estados Unidos dominaram as visitas web…
IA Sem Código: Benefícios, Setores e Principais Diferenças
As ferramentas de IA sem código permitem que os utilizadores criem, treinem ou implementem aplicações de IA sem escrever código. Estas plataformas geralmente baseiam-se em interfaces de arrastar e largar, prompts de linguagem natural, assistentes de configuração guiada ou construtores visuais de fluxos de trabalho. Esta abordagem reduz a barreira de entrada e torna o…
Comparar Modelos de Visão Grandes: GPT-4o vs YOLOv8n
Modelos de visão grandes (LVMs, na sigla em inglês) podem automatizar e melhorar tarefas visuais como deteção de defeitos, diagnóstico médico e monitorização ambiental. Avaliámos três modelos de deteção de objetos: YOLOv8n, DETR e GPT-4o Vision, em 1000 imagens cada, medindo métricas como mAP@0.5, velocidade de inferência, FLOPs e número de parâmetros. Para garantir uma…
Top 20 Estudos de Caso de ITSM
Aproveitar ferramentas de Gerenciamento de Serviços de TI (ITSM) é essencial para empresas que visam aumentar a eficiência de suas operações de TI e melhorar a entrega de serviços. Explore estudos de caso de ITSM em várias indústrias, como educação, manufatura, transporte e telecomunicações, e veja como as empresas aproveitaram soluções de ITSM para superar…
LLM Parameters: GPT-5 High, Medium, Low and Minimal
Alguns LLMs, como a família GPT-5 da OpenAI, vêm em diferentes versões (por exemplo, GPT-5, GPT-5-mini e GPT-5-nano) e com várias configurações de parâmetros, incluindo alta, média, baixa e mínima. Abaixo, exploramos as diferenças entre essas versões de modelo reunindo seu desempenho em benchmarks e os custos para executá-los. Usamos a família GPT-5 em nossa…
Aprendizado Federado: 7 Casos de Uso & Exemplos
O aprendizado federado (FL) permite que os modelos aprendam a partir de dados descentralizados, mantendo informações sensíveis privadas e garantindo conformidade com leis de localização de dados e privacidade. Explore o que é aprendizado federado, como funciona, casos de uso comuns com exemplos reais, desafios potenciais e suas alternativas. O aprendizado federado suporta uma ampla…
Control-M para Automação de Carga de Trabalho Empresarial
O Control-M da BMC Software ajuda as equipes a coordenar e automatizar fluxos de trabalho de dados e aplicações em ambientes diversos, incluindo mainframes, nuvem e sistemas híbridos. Ele oferece aos usuários um único local para agendar tarefas, acompanhar o progresso e gerenciar dependências. A plataforma também se conecta com serviços de nuvem populares, ferramentas…
Modelos Quantitativos de Grande Escala: Aplicações e Desafios
Os sistemas modernos estão se tornando complexos demais para a análise estatística tradicional, já que as instituições agora lidam com conjuntos de dados massivos, incluindo dados de pacientes, meteorológicos e do mercado financeiro. Os modelos quantitativos de grande escala (LQMs) ajudam processando esses conjuntos de dados, integrando dados estruturados e não estruturados e aplicando modelagem…
Boletim informativo AIMultiple
Receba um e-mail gratuito por semana com as últimas notícias de tecnologia B2B e insights de especialistas para impulsionar o seu negócio.