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
6 Anwendungsfälle für Netzwerksicherheit
Statistiken zur Netzwerksicherheit zeigen, dass Cyberangriffe über 350 Millionen Personen in den USA betreffen. In diesem Artikel untersuchen wir Anwendungsfälle für Netzwerksicherheit und reale Beispiele, von der Erkennung von Insider-Bedrohungen bis hin zum Management privilegierter Zugriffe. #AnwendungsfallFallstudie 1 Automatisierte Erkennung und Prävention von Insider-BedrohungenNetskope – Automatisierung von über 200 täglichen Workflows 2Zentrales Log-ManagementLaBella Associates -…
WLA-Migration: Best Practices & Anbieteransätze
67 % der Unternehmen stellen auf funktionalere Workload-Automation-Tools um, da die richtige Wahl die betriebliche Effizienz laut dem State of IT Automation Report um 56 % steigern und die Kosten um 39 % senken kann.1 Erfahren Sie mehr über die Workload-Automation (WLA)-Migration, Best Practices, worauf zu achten ist und die unterschiedlichen Ansätze verschiedener Anbieter. Was…
Top 10 Anwendungen der Spracherkennung & Beispiele
Wenn Sie virtuelle Assistenten wie Alexa, Cortana oder Siri verwendet haben, sind Sie wahrscheinlich mit Spracherkennung und konversationeller KI vertraut. Diese Technologie ermöglicht es Benutzern, über verbale Befehle mit Geräten zu interagieren, indem gesprochene Abfragen in maschinenlesbaren Text umgewandelt werden. Entdecken Sie die Top 10 Anwendungen der Spracherkennungstechnologie in der Sprachsuche, im Kundenservice, im Gesundheitswesen…
No-Code AI: Vorteile, Branchen & Hauptunterschiede
No-Code AI-Tools ermöglichen es Benutzern, KI-Anwendungen zu erstellen, zu trainieren oder bereitzustellen, ohne Code zu schreiben. Diese Plattformen verlassen sich typischerweise auf Drag-and-Drop-Oberflächen, natürliche Sprach-Prompts, geführte Einrichtungswizards oder visuelle Workflow-Builder. Dieser Ansatz senkt die Einstiegshürden und macht die KI-Entwicklung für Benutzer ohne Programmierkenntnisse zugänglich. In jüngster Zeit hat sich No-Code AI weit über einfache Automatisierung…
Die besten Bilderkennungstools im Vergleich
Wir haben die reale Leistung der führenden Cloud-Bilderkennungstools für Objekterkennungsaufgaben bewertet, indem wir deren Standard-API-Konfigurationen anhand von 5 Klassen mit 100 Bildern getestet haben. Dies umfasste den Vergleich der Leistung, die Analyse der Funktionen und den Abgleich der Serviceangebote im Verhältnis zum Preis. Benchmark-Ergebnisse Leistungsübersicht bei IoU=0,5 Die Leistungsmetriken für drei Plattformen zur Bilderkennung wurden…
Top 13 GAN-Anwendungsfälle
Während GANs viele frühe generative KI-Anwendungen vorangetrieben haben, insbesondere in der Bildsynthese und Stilübertragung, basieren die meisten verbraucherorientierten generativen KI-Tools heute auf diffusionsbasierten Architekturen oder verwandten Ansätzen wie Flow Matching und Diffusion Transformers (DiT). GANs bleiben jedoch in bestimmten Bereichen wichtig, wie z.B. Super-Resolution, Gesichtsrestaurierung, der Generierung synthetischer tabellarischer oder Gesundheitsdaten und Anwendungen, die eine…
Lokale KI-Agenten: Goose, Observer AI, AnythingLLM
Lokale KI-Agenten werden oft als offline, gerätebasiert oder vollständig lokal beschrieben. Wir haben drei Tage damit verbracht, das Ökosystem lokaler KI-Agenten zu kartieren, die autonom auf persönlicher Hardware laufen, ohne von externen APIs oder Cloud-Diensten abhängig zu sein. Unsere Analyse kategorisiert die führenden Lösungen in drei Schlüsselbereiche, basierend auf praktischen Tests von Entwickler-Agenten, Automatisierungstools und…
Top 4 KI-Suchmaschinen im Vergleich
Die Suche mit LLMs hat sich zu einer wichtigen Alternative zur Google-Suche entwickelt. Wir haben die folgenden KI-Suchmaschinen getestet, um herauszufinden, welche die korrektesten Ergebnisse liefert: Deepseek Search Andi ChatGPT Search mit GPT-4o Perplexity Search Pro Benchmark-Ergebnisse DeepSeek ist der Führer dieses Benchmarks, da es korrekt 57 % der Daten in unserem Ground-Truth-Datensatz bereitstellt. Sie…
IT-Dokumentations-Benchmark & Bewertung
Wir haben die führenden IT-Dokumentationsplattformen bewertet, um ihre Leistung, Funktionen und Benutzerfreundlichkeit zu beurteilen. Unser Benchmark maß Dokumenterstellungsroutinen, Editorfunktionen, Suchgenauigkeit und Beziehungsmanagement in realen Szenarien, einschließlich der Suche nach Fehlercodes, der Indizierung von PDF-Inhalten und der Erhaltung von Befehlsyntax. ToolHauptfunktionen & Fähigkeiten NinjaOne• Detailliertestes IT-fokussiertes Dashboard mit RMM-Integration • Link-Ablaufkontrollen für sichere externe Freigabe •…
Vergleich der besten KI-Agenten im Kundenservice
KI-Agenten, die von großen Sprachmodellen (LLMs) angetrieben werden, können auf Kundenanfragen in natürlicher Sprache antworten, Kontext interpretieren und menschenähnliche Antworten generieren. Diese Agenten können große Informationsmengen aus Quellen wie Wissensdatenbanken verarbeiten und synthetisieren. Wir haben vier KI-Agenten für den Kundenservice zusammengestellt: Tidio Lyro, Microsoft Azure AI Chatbot, IBM Watsonx Assistant und Intercom Fin. Nachfolgend finden…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.