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
Mehrfaktor-Authentifizierung (MFA) Preise und Pläne
Aufgelistete MFA-Preise und Pläne variieren je nach mehreren Faktoren, die die Kosten erhöhen: Anzahl der Benutzer: Die Größe der Benutzerbasis. Single Sign-On (SSO): Die Anzahl der Benutzer, die sich mit einer SSO-ID in mehreren Systemen anmelden können. Anzahl zusätzlicher Dienste: Bedrohungserkennung, granulare Admin-Steuerungen und Ende-zu-Ende-Verschlüsselung. Adaptive MFA-Funktionen: Dynamische Authentifizierung basierend auf kontextuellen Faktoren wie Gerätetyp,…
Top 5 KI-Netzwerküberwachung – Anwendungsfälle und Praxisbeispiele
Netzwerkausfälle kosten Unternehmen durchschnittlich 5.600 US-Dollar pro Minute, doch herkömmliche Überwachungstools generieren so viele Alarme, dass Ingenieure die wirklich wichtigen übersehen.1 KI-gesteuerte Überwachung löst dieses Problem, indem sie Daten über den gesamten Netzwerk-Stack hinweg korreliert und Ursachen anstelle von Symptomen aufdeckt. Im Folgenden finden Sie fünf Praxisbeispiele, die zeigen, wie KI-Überwachung in der Realität aussieht,…
Beste 30+ Open-Source-Web-Agenten
Wir haben 30+ Open-Source-Web-Agenten in vier Kategorien getestet: autonome Agenten, Computer-Use-Controller, Web Scraper und Entwickler-Frameworks. Wir führten identische Benchmarks mit der WebVoyager-Testsuite durch, die 643 Aufgaben auf 15 echten Websites umfasst, um zu messen, welche Tools mehrstufige Web-Aufgaben tatsächlich abschließen und welche versagen, wenn Websites dynamische Dropdowns oder JavaScript-lastige Layouts verwenden. Open-Source-Web-Agenten: GitHub-Sterne Siehe Benchmark-Quellen.…
CRM-KI-Systeme: Top 5-Anbieter und wichtige Funktionen
Wir haben über 50 Produktankündigungen großer CRM-Anbieter verfolgt, Integrationsstarts von Salesforce, HubSpot und Microsoft analysiert und Adoptionsdaten aus über 15 Branchenforschungsberichten abgeglichen, um zu verstehen, welche KI-CRM-Funktionen tatsächlich Mehrwert bieten und welche nur Marketing-Hype sind. Egal, ob Sie Ihr erstes KI-CRM evaluieren oder einen Wechsel von einem Legacy-System in Betracht ziehen, dieser forschungsbasierte Vergleich hilft…
Beste Amazon Mechanical Turk-Alternativen
Unsere Analyse untersucht einige Nachteile der Nutzung von Amazon Mechanical Turk (MTurk), einer beliebten Plattform für AI-Datenerfassung und Marktforschung. Sie vergleicht auch die besten Alternativen zu Amazon Mechanical Turk. Leser fallen in drei Kategorien. Wählen Sie Ihre aus, um die relevantesten Alternativen zu sehen: Alternativen für MTurk-Arbeiter. Alternativen für MTurk-Anforderer oder Kunden. Plattformen zur Rekrutierung…
15 KI-Agent-Überwachungstools: AgentOps & Langfuse
KI-Agent-Überwachungstools, wie Langfuse und Arize, helfen dabei, detaillierte Abläufe (eine Aufzeichnung der Ausführung eines Programms oder einer Transaktion) zu erfassen und bieten Dashboards, um Metriken in Echtzeit zu verfolgen. Viele Agenten-Frameworks, wie LangChain, verwenden den OpenTelemetry-Standard, um Metadaten mit agentenbasiertem Monitoring auszutauschen. Darüber hinaus bieten viele Überwachungstools benutzerdefinierte Instrumentierung für mehr Flexibilität. Wir haben 15…
Top 10 Tools zur Rechenzentrumsautomatisierung & Fallstudien
Tools zur Rechenzentrumsautomatisierung können dazu beitragen, hochwertige Daten zu erhalten, fundierte datengesteuerte Entscheidungen zu treffen und die Automatisierung von Rechenzentrumsprozessen zu optimieren. Wir haben 10 Tools zur Rechenzentrumsautomatisierung ausgewählt, basierend auf den Funktionen der Tools, ihrer Marktpräsenz und dem besten Anwendungsbereich. Folgen Sie den Links, um Fallstudien und Vorteile dieser Tools zu entdecken: Unser Ziel…
Benchmark für Backup-Software: Acronis vs NinjaOne vs Comet vs MSP360
Wir haben Acronis Cyber Protect Cloud Backup, Comet Backup, MSP360 Managed Backup und NinjaOne Backup auf identischer AWS-Infrastruktur getestet. Jeder Anbieter führte ein Datei-Backup derselben Arbeitslast mit 625.946 Dateien / 50 GB und ein vollständiges Image-Backup der Systemplatte durch, danach wurde das 15-GB-Mittel-Unterverzeichnis wiederhergestellt. Ergebnisse des Backup-Software-Benchmarks Hier sind die vier Backup-Produkte, getestet mit einer…
RPA für Mac: 14 RPA-Tools, die auf Mac laufen können
RPA ist eine beliebte Automatisierungstechnologie mit verschiedenen Tools, die auf verschiedenen Plattformen verfügbar sind. Windows dominiert das Suchinteresse für RPA-Plattformen, was erklärt, warum sich viele RPA-Tools primär auf Windows konzentrieren. Eine RPA-Lösung zu finden, die speziell für macOS entwickelt wurde, wird herausfordernd. Aber das bedeutet nicht, dass RPA für Mac nicht existiert. Weitere Informationen finden…
Empfehlungssysteme: Anwendungen und Beispiele
Wir haben die Haupttypen von Empfehlungssystemen, Schlüsselkonzepte und reale Anwendungen untersucht und LightFM, Cornac BPR sowie TensorFlow Recommenders mit AUC, Precision@10 und Recall@10 verglichen. Beste Python-Bibliotheken für Empfehlungssysteme Diese Bibliotheken implementieren Machine-Learning-Algorithmen, um Trainingsdaten zu verarbeiten und personalisierte Empfehlungen mithilfe von kollaborativen oder inhaltsbasierten Filtertechniken zu generieren. Darüber hinaus setzen diese Bibliotheken Machine-Learning-Modelle ein, um…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.