Sıla Ermut
Sıla, AIMultiple'da e-posta pazarlama ve satış videoları konularına odaklanan bir sektör analistidir.
Araştırma ilgi alanları
Sıla'nın araştırma alanları arasında e-posta pazarlama, e-ticaret pazarlama kampanyaları ve pazarlama otomasyonu yer almaktadır. Ayrıca AIMultiple'ın e-posta teslim edilebilirlik kıyaslama çalışmalarında da yer almaktadır. AIMultiple teknoloji ekibiyle iş birliği yaparak e-posta teslim edilebilirlik kıyaslama çalışmaları tasarlamakta ve yürütmektedir.Profesyonel deneyim
Sıla daha önce işe alım uzmanı olarak çalışmış ve proje yönetimi ve danışmanlık firmalarında görev almıştır.Eğitim
Elinde şunlar var:- Bilkent Üniversitesi'nden Uluslararası İlişkiler alanında Lisans derecesi.
- Başkent Üniversitesi Sosyal Psikoloji Yüksek Lisans derecesi.
Sıla Tarafından Son Makaleler
ITSM'de Ajan Tabanlı Yapay Zeka: 10 Kullanım Örneği ve Senaryo
BT hizmet yönetiminde ajansal yapay zeka, kuruluşların BT operasyonlarını ve hizmet sunumunu yönetme biçiminde pratik bir değişime işaret eder. Statik otomasyona veya önceden tanımlanmış iş akışlarına güvenmek yerine, ajansal yapay zeka bağlamsal akıl yürütmeyi mümkün kılarak yapay zeka ajanlarının BT ortamlarında özerk bir şekilde hareket etmesine olanak tanır.
MSP Otomasyonu: Acronis, ConnectWise Otomasyon ve Yeniden Düzenleme
Yönetilen hizmet sağlayıcıları (MSP'ler), bilet yönetimi, yama yönetimi, entegrasyon, uyarı izleme, fatura mutabakatı ve doküman güncellemeleri de dahil olmak üzere sürekli bir operasyonel yükü yönetirler. Bunlar gerekli ancak zaman alıcı görevlerdir. Otomasyon, manuel iş yükünü ve insan hatası riskini azaltarak, sürekli sistem izleme yoluyla proaktif yanıtlar sağlayarak ve müşteri genelinde yanıt sürelerini ve tutarlılığı iyileştirerek denklemi değiştirir.
Zaman Serisi Temel Modelleri: Kullanım Alanları ve Faydaları
Zaman serisi temel modelleri (TSFM'ler), doğal dil işleme ve görüntü işleme alanlarındaki temel modellerdeki ilerlemelerden yararlanır. Transformer tabanlı mimariler ve büyük ölçekli eğitim verileri kullanarak, sıfır atış performansı elde ederler ve finans, perakende, enerji ve sağlık gibi sektörlere uyum sağlarlar.
Yapay Genel Zeka/Tekillik: 9.800 Tahmin Analiz Edildi
Yapay genel zekâ (YZ), bir yapay zekâ sisteminin tüm görevlerde insan bilişsel yetenekleriyle eşleşmesidir. Mevcut tahminlere dayanarak, YZ hakkında hızlı cevaplar: YZ/tekillik gerçekleşecek mi? Çoğu yapay zekâ uzmanına göre YZ kaçınılmazdır. Tekillik/YZ ne zaman gerçekleşecek? Yapay zekâ araştırmacılarının son anketleri YZ'nin 2040'larda gerçekleşeceğini öngörüyor.
Federasyonlu Öğrenme: 7 Kullanım Örneği ve Durumu
Son McKinsey analizlerine göre, yapay zekâ kullanımının en acil riskleri arasında model yanılsamaları, veri kaynağı ve orijinalliği, düzenleyici uyumsuzluk ve yapay zekâ tedarik zinciri zafiyetleri yer almaktadır. Federasyonlu öğrenme (FL), bu riskleri azaltmak isteyen kuruluşlar için temel bir teknik olarak ortaya çıkmıştır.
Uzmanlardan Yapay Zeka Kaynaklı İş Kayıplarına İlişkin En Önemli 20 Tahmin
McKinsey danışmanı olarak on yıl boyunca işletmelerin yeni teknolojileri benimsemesine yardımcı oldum. Yapay zeka kaynaklı iş kayıplarına ilişkin kısa cevaplarım: Yapay zeka kaynaklı iş kaybı tahminleri Not: Grafiklerin boyutu, iş kaybı tahmininin boyutuyla ilişkilidir. Analizimizde referans alınan yüzdeler, genel iş kaybına ilişkin varsayımlardan türetilmiştir.
Öneri Sistemleri: Uygulamalar ve Örnekler
Öneri sistemleri, verileri kullanarak deneyimleri kişiselleştirerek hem işletmelere hem de müşterilere fayda sağlar. Seçenekleri basitleştirerek ve kullanıcıları meşgul tutarak satışları artırmaya, müşteri sadakatini yükseltmeye ve müşteri kaybını azaltmaya yardımcı olurlar. Aynı örtük geri bildirim veri setini ve aynı ön işleme adımlarını kullanarak üç Python öneri kütüphanesini (LightFM, Cornac BPR ve TensorFlow Recommenders) karşılaştırdık.
Görsel Akıl Yürütme Üzerine Çok Modlu Yapay Zeka Modellerini Karşılaştırın
200 görsel tabanlı soru kullanarak, önde gelen 15 çok modlu yapay zeka modelini görsel akıl yürütme konusunda kıyasladık. Değerlendirme iki bölümden oluştu: Veri görselleştirme yorumlamasını test eden 100 grafik anlama sorusu ve örüntü tanıma ve mekansal akıl yürütmeyi değerlendiren 100 görsel mantık sorusu. Tutarlı ve güvenilir sonuçlar elde etmek için her soru 5 kez çalıştırıldı. Görsel akıl yürütme kıyaslaması Bkz.
Büyük Görüş Modellerini Karşılaştırın: GPT-4o vs YOLOv8n
Büyük görüntü işleme modelleri (LVM'ler), kusur tespiti, tıbbi teşhis ve çevresel izleme gibi görsel görevleri otomatikleştirebilir ve iyileştirebilir. Üç nesne algılama modelini (YOLOv8n, DETR ve GPT-4o Vision) her biri 1.000 görüntü üzerinde karşılaştırdık ve mAP@0.5, çıkarım hızı, FLOP'lar ve parametre sayısı gibi ölçütleri değerlendirdik.
En İyi 20 Sürdürülebilirlik Yapay Zeka Uygulaması ve Örneği
PwC'ye göre, GenAI operasyonel verimliliği artırabilir ve bu da dolaylı olarak iş süreçlerindeki karbon ayak izini azaltabilir. Şirketler, lojistik optimizasyonu, talep tahmini ve atık azaltma gibi alanlara üretken yapay zekayı uygulayarak, yapay zeka sistemlerinin ötesinde operasyonları genelinde emisyonları azaltabilirler.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.