Cem Dilmegani
Berufserfahrung und Erfolge
Im Laufe seiner Karriere war Cem als Technologieberater, Technologieeinkäufer und Technologieunternehmer tätig. Über ein Jahrzehnt lang beriet er Unternehmen bei McKinsey & Company und Altman Solon in ihren Technologieentscheidungen. Er veröffentlichte zudem einen McKinsey-Bericht zur Digitalisierung. Bei einem Telekommunikationsunternehmen leitete er die Technologiestrategie und -beschaffung und berichtete direkt an den CEO. Darüber hinaus verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von null auf einen siebenstelligen jährlichen Umsatz und eine neunstellige Unternehmensbewertung wuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider thematisiert. [6], [7]Forschungsschwerpunkte
Cems Arbeitsschwerpunkt liegt darauf, wie Unternehmen neue Technologien in den Bereichen KI, agentenbasierte KI, Cybersicherheit (einschließlich Netzwerk- und Anwendungssicherheit) und Daten, insbesondere Webdaten, nutzen können. Seine praktische Erfahrung mit Unternehmenssoftware fließt in seine Arbeit ein. Weitere KI-Branchenanalysten und das technische Team unterstützen Cem bei der Konzeption, Durchführung und Auswertung von Benchmarks.Ausbildung
Er schloss 2007 sein Studium der Informatik an der Bogazici-Universität ab. Während seines Studiums beschäftigte er sich mit maschinellem Lernen, damals noch unter dem Begriff „Data Mining“ bekannt, und die meisten neuronalen Netze besaßen nur wenige verborgene Schichten. 2012 erwarb er einen MBA an der Columbia Business School. Cem spricht fließend Englisch und Türkisch. Seine Deutschkenntnisse sind fortgeschritten, seine Französischkenntnisse liegen auf Anfängerniveau.Externe Veröffentlichungen
- Cem Dilmegani, Post-KI-Banking: Millionen von Arbeitsplätzen in Gefahr, da Banken ihre Kernfunktionen automatisieren . International Banker.
- Cem Dilmegani, Bengi Korkmaz und Martin Lundqvist (1. Dezember 2014). Digitalisierung des öffentlichen Sektors: Die Billionen-Dollar-Herausforderung , McKinsey & Company.
Medien-, Konferenz- und sonstige Veranstaltungspräsentationen
- Antworten auf die Fragen von Korea24 zum Thema Arbeitsplatzverlust durch KI, Korea24
- Immobilien und Technologie , präsentiert vom Wilbur F. Breslin Center for Real Estate Studies der Hofstra University und der Frank G. Zarb School of Business in den Jahren 2023 und 2024.
- Radar AI- Session (22. Juni 2023): „Steigerung der Wirkung von Data Science mit ChatGPT“.
- Generative AI Atlanta Meetup: Generative KI für Unternehmenstechnologie .
Quellen
- Warum Microsoft, IBM und Google ihre Bemühungen im Bereich KI-Ethik verstärken , Business Insider.
- Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu entwickeln, die intelligenter ist als wir , Washington Post.
- Stärkung der KI-Führungskräfte: KI-Toolkit für die C-Suite , Weltwirtschaftsforum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU , Europäische Kommission.
- Die EU investiert 200 Milliarden Euro in KI, wodurch Geld in Rechenzentren fließt, doch der Chipmarkt bleibt eine Herausforderung , IT Brew.
- Hypatos erhält 11,8 Millionen Dollar für einen Deep-Learning-Ansatz zur Dokumentenverarbeitung , TechCrunch.
- Wir haben einen exklusiven Einblick in die Präsentation erhalten, mit der das KI-Startup Hypatos 11 Millionen Dollar eingesammelt hat , Business Insider.
Neueste Artikel von Cem
KI im Vertrieb: 15 Anwendungsfälle & Beispiele
Künstliche Intelligenz (KI) kann Vertriebsprozesse von der Leadgenerierung bis zur Absatzprognose optimieren und Unternehmen helfen, niedrige Konversionsraten und lange Verkaufszyklen zu überwinden.
Web-Scraping-Roadmap im Jahr: Erkenntnisse aus 30 Millionen Anfragen
Wir haben über 30 Millionen Webseiten mit mehr als 50 Produkten von sechs führenden Anbietern von Webdateninfrastruktur gecrawlt. Unser Ziel war es, herauszufinden, welche Lösungen die komplexen Anforderungen des Web-Scrapings im Unternehmensbereich wirklich bewältigen.
10 Risiken generativer KI und wie man sie mindern kann
Da immer mehr Branchen generative KI für Innovation und Automatisierung priorisieren, wächst ihr Potenzial. Dennoch bestehen weiterhin Risiken wie Genauigkeits- und ethische Bedenken. Die Bewältigung dieser Herausforderungen ist entscheidend, damit KI der Menschheit tatsächlich zugutekommt. Entdecken Sie die zehn größten Risiken generativer KI und Maßnahmen zu deren Minderung: Risiken hinsichtlich Modellzuverlässigkeit und Ausgabeintegrität: 1.
Die 7 besten Open-Source-Vektordatenbanken: Faiss vs. Chroma
Da KI-Agenten und -Modelle zunehmend auf die Abfrage hochdimensionaler Daten angewiesen sind, ist die Auswahl einer Open-Source-Vektordatenbank für den Unternehmenseinsatz entscheidend. Wir haben die sieben besten Open-Source-Vektordatenbanken identifiziert und sie hinsichtlich Skalierbarkeit, Leistung und praktischer KI-Implementierung verglichen: Auswahlkriterien.
Training großer Sprachmodelle
Die Integration bestehender Lernmodelle in Unternehmensworkflows wird immer üblicher. Einige Unternehmen entwickeln jedoch kundenspezifische Modelle, die mit firmeneigenen Daten trainiert werden, um die Leistung bei bestimmten Aufgaben zu verbessern. Die Entwicklung und Wartung solcher Modelle erfordert erhebliche Ressourcen, darunter spezialisierte KI-Fachkräfte, große Trainingsdatensätze und eine entsprechende Recheninfrastruktur, wodurch die Kosten in die Millionen gehen können.
Die 5 besten MOVEit-Alternativen im Jahr
Wir haben die führenden Alternativen zu MOVEit im Markt für sichere Dateiübertragung geprüft und dabei Protokollunterstützung, verifizierte Produktfunktionen und Nutzerbewertungen berücksichtigt. Vergleich der MOVEit-Alternativen * Die Bewertungen basieren auf Capterra, Gartner und G2. Die Anbieter sind nach ihren Bewertungen aufgelistet. ** Die Mitarbeiterzahl wurde den LinkedIn-Profilen der Unternehmen entnommen.
Die 7 besten WAN-Überwachungssoftwares
Wir haben eine WAN-Monitoring-Software ausgewählt, die Bandbreitenüberwachung und Verkehrsanalyse sowie die Echtzeitverfolgung von Netzwerkgeräten, Servern, Anwendungen und Infrastruktur in Weitverkehrsnetzen bietet. Hier finden Sie einen Vergleich gängiger WAN-Monitoring-Software: Auswahlkriterien: Wir haben WAN-Monitoring-Tools ausgewählt, die diese Kriterien erfüllen: Top 7 WAN-Monitoring-Software: 1.
Vergleichen Sie Google Dialogflow und seine Konkurrenten
Technologiegiganten wie Amazon, Facebook und andere investieren in dialogbasierte KI, um Entwicklern die Erstellung von Chatbots zu erleichtern. Diese KI-gestützten Chatbots können verschiedene Routineaufgaben automatisieren, wie beispielsweise das Versenden von E-Mails oder die Informationssuche in Suchmaschinen. Wir haben wichtige Informationen zu Dialogflow zusammengetragen und mit den Hauptkonkurrenten verglichen.
Daten von Twitter (X.com) mit Python extrahieren
Moderne soziale Plattformen wie X.com setzen strenge Schutzmaßnahmen gegen Web-Scraping ein, darunter CAPTCHA, Ratenbegrenzungen und IP-Sperren. Diese Sicherheitsvorkehrungen erschweren die Entwicklung eines eigenen Scrapers und machen ihn anfällig für häufige Unterbrechungen. Daher verwendet diese Anleitung die Twitter-Scraper-API, die durch die Verwaltung der Proxy-Rotation ein zuverlässiges und regelkonformes Scraping von Twitter-Daten ermöglicht.
Die häufigsten Herausforderungen beim Web Scraping im Jahr
Web Scraping, das Extrahieren benötigter Daten aus Webquellen, ist ein unverzichtbares Werkzeug; allerdings birgt diese Technik auch einige Herausforderungen. Im Folgenden finden Sie die häufigsten Probleme beim Web Scraping sowie praktische Lösungsansätze. Wir behandeln alles von ethischen Fragen des Web Scrapings bis hin zur Überwindung technischer Hürden wie dynamischer Inhalte und Anti-Scraping-Maßnahmen.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.