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
Vergleich der Modelle mit großer Sicht: GPT-4o vs YOLOv8n
Große Bildverarbeitungsmodelle (LVMs) können visuelle Aufgaben wie Fehlererkennung, medizinische Diagnostik und Umweltüberwachung automatisieren und verbessern. Wir haben drei Objekterkennungsmodelle – YOLOv8n, DETR und GPT-4o Vision – anhand von jeweils 1000 Bildern verglichen und dabei Metriken wie mAP@0,5, Inferenzgeschwindigkeit, FLOPs und Parameteranzahl gemessen. Um einen fairen Vergleich zu gewährleisten, wurden alle Bilder auf skaliert.
Die 20 wichtigsten KI-Anwendungen und Beispiele für Nachhaltigkeit
Laut PwC kann GenAI die betriebliche Effizienz steigern und dadurch indirekt den CO₂-Fußabdruck von Geschäftsprozessen verringern. Durch den Einsatz von Generativer KI in Bereichen wie Logistikoptimierung, Bedarfsplanung und Abfallreduzierung können Unternehmen die Emissionen über die KI-Systeme selbst hinaus in ihren gesamten Betriebsabläufen senken.
57 Datensätze für ML- und KI-Modelle
Daten werden benötigt, um generative KI- oder dialogbasierte KI-Lösungen zu nutzen oder zu entwickeln. Sie können auf vorhandene, am Markt verfügbare Datensätze zurückgreifen oder einen Datenerfassungsdienst beauftragen. Wir haben 57 Datensätze identifiziert, die sich zum Trainieren und Evaluieren von Modellen des maschinellen Lernens und der KI eignen. Datensätze für große Sprachmodelle (LLMs) und agentenbasierte KI: Diese Kategorie umfasst Datensätze und Benchmarks, die für das Training und die Evaluierung von KI-Modellen entwickelt wurden.
7 Anwendungsfälle für Netzwerküberwachung mit Beispielen aus der Praxis im Jahr
Netzwerküberwachung gehört zu den Dingen, die IT-Teams erst bemerken, wenn sie fehlen. Funktioniert sie einwandfrei, werden Probleme erkannt, bevor die Benutzer überhaupt etwas merken. Fehlt sie jedoch, kann sich ein kleines Verbindungsproblem unbemerkt zu einem schwerwiegenden Ausfall ausweiten. Sehen Sie sich unsere Beispiele unten an, um zu erfahren, wie Unternehmen die Netzwerküberwachung tatsächlich umsetzen.
DAST-Software-Preisvergleich: Burp Suite, Nessus & mehr
Bei über 20 DAST-Tools auf dem Markt kann die Auswahl des passenden Tools aufgrund der unterschiedlichen Funktionen und Preisoptionen eine Herausforderung sein. Wir haben öffentlich zugängliche Informationen zu den Preisstrategien der Anbieter zusammengetragen, um Ihnen einen einfachen Überblick zu verschaffen und die voraussichtlichen Kosten abzuschätzen.
Top +10 Data-as-a-Service-Unternehmen
Daten sind die Grundlage für generative KI und Innovationen in Unternehmen. Data as a Service (DaaS) ist ein Cloud-Computing-Modell, das Nutzern Daten bedarfsgerecht, in der Regel im Abonnement, bereitstellt. Dies vereinfacht die Datenerfassung und -verwaltung.
Die 20 besten E-Mail-Server-Softwarelösungen: Funktionen & Preise
Es gibt zwei Hauptanwendungsfälle für E-Mail-Server. Wenn Sie nach den Top 15 Anbietern für Transaktions-E-Mails suchen: Die Liste ist nach Anbietern sortiert, wobei gesponserte Einträge mit ihren jeweiligen Links zuerst angezeigt werden. Alle nicht gesponserten Anbieter sind nach der Gesamtzahl der B2B-Nutzerbewertungen von G2 und Capterra sortiert.
Die 5 besten Open-Source-Frameworks für agentenbasierte KI im Jahr
Wir haben vier gängige Open-Source-Agenten-Frameworks in 2.000 Durchläufen (fünf Aufgaben, jeweils 100 Durchläufe pro Framework) hinsichtlich Latenz, Token-Verbrauch und architektonischer Unterschiede verglichen. Wir untersuchten, wie die Frameworks selbst das Agentenverhalten beeinflussen und welche Auswirkungen dies auf Latenz und Token-Verbrauch hat. LangGraph ist das schnellste Framework mit der geringsten Latenz.
Benchmarking von agentenbasierten KI-Frameworks in Analyse-Workflows
Frameworks zum Erstellen agentenbasierter Workflows unterscheiden sich erheblich in ihrem Umgang mit Entscheidungen und Fehlern, ihre Leistungsfähigkeit bei unvollkommenen realen Daten ist jedoch weitgehend unerprobt. Um ihre Performance in realen analytischen Workflows zu evaluieren, haben wir drei Tage lang LangGraph, LangChain, CrewAI und Swarm anhand eines E-Commerce-Datensatzes mit 100 Datensätzen und kontrollierten Dateninkonsistenzen wie fehlenden Werten getestet.
Mobile KI-Agenten in 65 realen Aufgaben getestet
Wir haben drei Tage lang vier mobile KI-Agenten (DroidRun, Mobile-Agent, AutoDroid und AppAgent) anhand von 65 realen Aufgaben mit einem Android-Emulator getestet. Die Anwendungen umfassten Kalenderverwaltung, Kontakterstellung, Fotoaufnahme, Audioaufzeichnung und Dateiverwaltung.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.