Hizmetler
Bize Ulaşın
Sıla Ermut

Sıla Ermut

Endüstri Analisti
66 Makale
B2B Teknolojisinde Güncel Kalın

Sıla, AIMultiple'da yapay zeka model'leri, yapay zeka altyapısı, yapay zeka yönetişimi ve yapay zekanın kurumsal uygulamalarını kapsayan bir endüstri analistidir.

Araştırma ilgi alanları

Sıla'nın araştırmaları yapay zekanın pazarlama, sağlık hizmetleri, tedarik zincirleri ve sürdürülebilirlik alanlarındaki kullanımına odaklanmaktadır. Ayrıca yapay zeka değerlendirmesi, yönetişimi, etiği ve benimsenmesi konularını da ele almaktadır.

Çalışmaları, yapay zeka teknolojilerini araştırmayı ve karşılaştırmayı, bunların iş uygulamalarını analiz etmeyi ve AIMultiple'ın teknoloji benchmark'larına katkıda bulunmayı içermektedir.

Profesyonel deneyim

Sıla daha önce işe alım uzmanı olarak çalışmış ve proje yönetimi ve danışmanlık firmalarında görev almıştır.

Eğitim

Sahip olduğu dereceler:
  • Bilkent Üniversitesi'nden Uluslararası İlişkiler alanında Lisans derecesi.
  • Başkent Üniversitesi'nden Sosyal Psikoloji alanında Yüksek Lisans derecesi.

Yüksek lisans tezi, yapay zeka ile ilgili etik ve psikolojik kaygılara odaklanmıştır. Tezi, farklı yapay zeka kullanım seviyelerinde yapay zekaya maruz kalma, yapay zekaya yönelik tutumlar ve varoluşsal kaygılar arasındaki ilişkiyi incelemiştir.

Sıla Tarafından Son Makaleler

Yapay Zeka
İçgörü
16 Tem

17 Üretken Yapay Zeka Sağlık Hizmetleri Kullanım Alanları

Sağlık sistemleri artan veri hacimleri, personel eksiklikleri ve kişiselleştirilmiş bakım için yükselen beklentilerle karşı karşıya. Üretken Yapay Zeka, klinik notlar, görüntüleme raporları ve hasta geçmişleri gibi yapılandırılmamış tıbbi verileri klinisyenler ve yöneticiler için içgörülere dönüştürerek önemli bir çözüm olarak ortaya çıkıyor. Üretken yapay zekanın sağlık hizmeti sunumu, yönetimi ve toplum sağlığı yönetimi genelinde nasıl uygulandığını,…

Kurumsal Yazılım
İçgörü
7 Tem

ITSM'de Yapay Zeka için En İyi 11 Kullanım Alanı ve Örnekler

BT hizmet yönetimi (ITSM) araçları için yapay zekadan yararlanmak, kuruluşları şu açılardan destekler: ITSM'de yapay zekanın en iyi 11 kullanım alanını, örneklerini ve ITSM'de yapay zekadan yararlanmanın faydalarını görün. Yapay zeka yerel ITSM, yapay zekanın ek bir özellik değil, temelin bir parçası olduğu, dahili destek ve BT operasyonlarını yönetmenin yeni bir yolunu ifade eder. Bu…

Yapay Zeka
İçgörü
2 Tem

LLM Pazar Payı: Kullanım ve Benimsemeyi Karşılaştırın

Biz LLM pazar payını, kullanım tabanlı verileri ve web ziyareti tahminlerini birleştirerek, büyük dil modellerine olan talebin yapay zeka laboratuvarları ve yapay zeka uygulamaları arasında nasıl dağıldığını göstermek için analiz ettik: Bu sonuçları nasıl ölçtüğümüzü ve hesapladığımızı görmek için yöntemi okuyun. Birleşik Devletler, tüm dört ay boyunca web ziyaretlerinde hakimdi ve sürekli olarak 85.5–%90,5 oranına…

Yapay Zeka
İçgörü
2 Tem

Kodsuz Yapay Zeka: Faydaları, Sektörler ve Temel Farklar

Kodsuz yapay zeka araçları, kullanıcıların kod yazmadan yapay zeka uygulamaları oluşturmasına, eğitmesine veya dağıtmasına olanak tanır. Bu platformlar genellikle sürükle-bırak arayüzlerine, doğal dil komutlarına, rehberli kurulum sihirbazlarına veya görsel iş akışı oluşturuculara dayanır. Bu yaklaşım, giriş engelini düşürür ve yapay zeka geliştirmeyi programlama geçmişi olmayan kullanıcılar için erişilebilir hale getirir. Son zamanlarda, kodsuz yapay zeka…

Yapay Zeka
Kıyaslama
1 Tem

Büyük Görüntü Modellerini Karşılaştırın: GPT-4o vs YOLOv8n

Büyük görüntü modelleri (LVM'ler), kusur tespiti, tıbbi teşhis ve çevresel izleme gibi görsel görevleri otomatikleştirebilir ve geliştirebilir. Her biri 1.000 görüntü üzerinden YOLOv8n, DETR ve GPT-4o Vision olmak üzere üç nesne tespit modelini test ettik; mAP@0.5, çıkarım hızı, FLOPs ve parametre sayısı gibi metrikleri ölçtük. Adil bir karşılaştırma sağlamak amacıyla tüm görüntüler 800×800 piksele yeniden…

Kurumsal Yazılım
İçgörü
30 Haz

En İyi 20 ITSM Vaka Çalışması

BT Hizmet Yönetimi (ITSM) araçlarından yararlanmak, BT operasyonlarının verimliliğini artırmayı ve hizmet sunumunu geliştirmeyi amaçlayan işletmeler için esastır. Eğitim, imalat, ulaşım ve telekomünikasyon gibi çeşitli sektörlerdeki ITSM vaka çalışmalarını keşfedin ve şirketlerin hizmet yönetimi zorluklarının üstesinden gelmek, verimliliği artırmak ve müşteri memnuniyetini yükseltmek için ITSM çözümlerinden nasıl yararlandıklarını görün: Eğitim, telekom, imalat, sağlık, lojistik, kamu…

Yapay Zeka
İçgörü
26 Haz

LLM Parametreleri: GPT-5 High, Orta, Düşük ve Minimal

OpenAI'in GPT-5 ailesi gibi bazı LLM'ler, farklı sürümlerde (ör. GPT-5, GPT-5-mini ve GPT-5-nano) ve yüksek, orta, düşük ve minimal dahil olmak üzere çeşitli parametre ayarlarıyla gelir. Aşağıda, bu model sürümleri arasındaki farkları, benchmark performanslarını ve benchmark'ları çalıştırmanın maliyetlerini inceleyerek keşfediyoruz. Analizimizde GPT-5 ailesini kullandık. Muhakeme, kodlama, talimat takibi ve matematik dahil olmak üzere çeşitli alanlarda…

Veri
İçgörü
26 Haz

Federe Öğrenme: 7 Kullanım Alanı ve Örnek

Federe öğrenme (FL), modellerin hassas bilgileri gizli tutarken ve veri yerelleştirme ile gizlilik yasalarına uyumu sağlarken merkezi olmayan verilerden öğrenmesini sağlar. Federe öğrenmenin ne olduğunu, nasıl çalıştığını, gerçek hayattan örneklerle yaygın kullanım alanlarını, potansiyel zorlukları ve alternatiflerini keşfedin. Federe öğrenme, veri hassasiyeti, merkezsizlik ve gerçek zamanlı uyarlamanın kritik olduğu çok çeşitli YZ sistemlerini destekler. İş…

Kurumsal Yazılım
İçgörü
26 Haz

Kurumsal İş Yükü Otomasyonu için Control-M

BMC Software'ın Control-M çözümü, ekiplerin ana bilgisayarlar, bulut ve hibrit sistemler dahil olmak üzere farklı ortamlarda veri ve uygulama iş akışlarını koordine etmesine ve otomatikleştirmesine yardımcı olur. Kullanıcılara işleri zamanlamak, ilerlemeyi izlemek ve bağımlılıkları yönetmek için tek bir yer sunar. Platform ayrıca popüler bulut hizmetleri, veri araçları ve DevOps sistemleriyle bağlantı kurarak üretim süreçlerini baştan…

Yapay Zeka
İçgörü
25 Haz

Büyük Nicel Modeller: Uygulamalar ve Zorluklar

Modern sistemler geleneksel istatistiksel analiz için fazla karmaşık hale geliyor, çünkü kurumlar artık hasta, hava durumu ve finansal piyasa verileri dahil olmak üzere devasa veri kümelerini işliyor. Büyük nicel modeller (LQM'ler), bu veri kümelerini işleyerek, yapılandırılmış ve yapılandırılmamış verileri entegre ederek ve geleneksel yöntemlerin sağlayamadığı örüntüleri ortaya çıkarmak ve veri odaklı içgörüler sunmak için tahmine…