Cem Dilmegani
Experiencia profesional y logros
A lo largo de su trayectoria profesional, Cem se desempeñó como consultor, comprador y emprendedor tecnológico. Asesoró a empresas en sus decisiones tecnológicas en McKinsey & Company y Altman Solon durante más de una década. También publicó un informe de McKinsey sobre digitalización. Dirigió la estrategia y las adquisiciones tecnológicas de una empresa de telecomunicaciones, reportando directamente al CEO. Asimismo, lideró el crecimiento comercial de Hypatos, una empresa de tecnología avanzada que alcanzó ingresos recurrentes anuales de siete cifras y una valoración de nueve cifras partiendo de cero en tan solo dos años. El trabajo de Cem en Hypatos fue reseñado por importantes publicaciones tecnológicas como TechCrunch y Business Insider. [6], [7]Intereses de investigación
El trabajo de Cem se centra en cómo las empresas pueden aprovechar las nuevas tecnologías en IA, IA con agentes, ciberseguridad (incluida la seguridad de redes y aplicaciones) y datos, incluidos los datos web. Su experiencia práctica en software empresarial contribuye a su trabajo. Otros analistas de la industria de IA y el equipo técnico apoyan a Cem en el diseño, la ejecución y la evaluación de pruebas comparativas.Educación
Se graduó como ingeniero informático en la Universidad de Bogazici en 2007. Durante su carrera de ingeniería, estudió aprendizaje automático en una época en la que se le conocía comúnmente como "minería de datos" y la mayoría de las redes neuronales tenían pocas capas ocultas. Obtuvo un MBA en la Escuela de Negocios de Columbia en 2012. Cem habla inglés y turco con fluidez. Tiene un nivel avanzado de alemán y un nivel básico de francés.Publicaciones externas
- Cem Dilmegani, Banca post-IA: Millones de empleos en riesgo a medida que los bancos automatizan sus funciones principales . International Banker.
- Cem Dilmegani, Bengi Korkmaz y Martin Lundqvist (1 de diciembre de 2014). Digitalización del sector público: El desafío del billón de dólares , McKinsey & Company.
Presentaciones en medios de comunicación, conferencias y otros eventos.
- Respuestas a las preguntas de Korea24 sobre la pérdida de empleos debido a la IA, Korea24
- Bienes raíces y tecnología , presentado por el Centro Wilbur F. Breslin de Estudios Inmobiliarios de la Universidad de Hofstra y la Escuela de Negocios Frank G. Zarb en 2023 y 2024.
- Sesión de Radar AI (22 de junio de 2023): "Aumentando el impacto de la ciencia de datos con ChatGPT".
- Encuentro de IA generativa en Atlanta: Inteligencia artificial generativa para la tecnología empresarial .
Fuentes
- Por qué Microsoft, IBM y Google están intensificando sus esfuerzos en materia de ética de la IA , Business Insider.
- Microsoft invierte mil millones de dólares en OpenAI para desarrollar una inteligencia artificial más inteligente que nosotros , según informa el Washington Post.
- Potenciando el liderazgo en IA: Kit de herramientas de IA para la alta dirección , Foro Económico Mundial.
- Resultados en ciencia, investigación e innovación de la UE , Comisión Europea.
- La inversión de 200.000 millones de euros de la UE en IA inyecta capital en los centros de datos, pero el mercado de chips sigue siendo un reto , según IT Brew.
- Hypatos recibe 11,8 millones de dólares por un enfoque de aprendizaje profundo para el procesamiento de documentos , según TechCrunch.
- Business Insider nos ofrece un vistazo exclusivo a la presentación que la startup de IA Hypatos utilizó para recaudar 11 millones de dólares .
Últimos artículos de Cem
Comparativa de las mejores herramientas de diseño a codificación: Análisis detallado
El panorama del diseño a código se ha transformado gracias a las herramientas con IA, que prometen cerrar la brecha entre el diseño visual y el código listo para producción. Con un 82 % de desarrolladores que utilizan asistentes de codificación con IA a diario o semanalmente, la demanda de soluciones eficaces de diseño a código nunca ha sido mayor.
Herramientas de evaluación RAG: Pesos y sesgos frente a Ragas frente a DeepEval
Cuando una canalización RAG recupera el contexto incorrecto, el LLM genera con seguridad la respuesta incorrecta. Los evaluadores de relevancia de contexto son la principal defensa. Comparamos cinco herramientas con 1460 preguntas y más de 14 600 contextos evaluados en condiciones idénticas: mismo modelo de evaluación (GPT-4o), configuraciones predeterminadas y sin indicaciones personalizadas.
Inteligencia artificial sin código: beneficios, sectores y diferencias clave
Las herramientas de IA sin código permiten a los usuarios crear, entrenar o implementar aplicaciones de IA sin escribir código. Estas plataformas suelen basarse en interfaces de arrastrar y soltar, indicaciones en lenguaje natural, asistentes de configuración guiada o creadores de flujos de trabajo visuales. Este enfoque reduce las barreras de entrada y hace que el desarrollo de IA sea accesible para usuarios sin experiencia en programación.
Herramientas y casos de uso para la recopilación automatizada de datos en
La recopilación automatizada de datos utiliza sistemas para reunir, procesar y analizar información de manera eficiente. Dado que los datos automatizados provienen de múltiples fuentes en diversos formatos, comprender los diferentes tipos y sus orígenes es esencial para su implementación efectiva.
Oracle Características y alternativas del programador de infraestructura en la nube (OCI)
Compare los mejores planificadores de infraestructura en la nube (OCI) clasificados por capacidades de integración, características y precios.
Seguridad en la automatización de cargas de trabajo en: Mejores prácticas y ejemplos
Las empresas deben garantizar la seguridad de la automatización de cargas de trabajo en todos los niveles. Las siguientes secciones describen los riesgos clave, las mejores prácticas para proteger los entornos de automatización y ejemplos reales que resaltan la importancia de una seguridad sólida.
Comparación de 7 métodos de programación de tareas en Python
La programación de tareas en Python permite ejecutar tareas automáticamente en momentos o intervalos específicos, reduciendo así el esfuerzo manual y mejorando la fiabilidad. A continuación, se presentan los distintos métodos de programación de tareas en Python, desde soluciones sencillas hasta avanzadas, junto con sus ventajas y desventajas: Principales métodos de programación de tareas en Python 1.
Prevención de pérdida de datos (DLP): Tipos y 6 desafíos
La mayor movilidad introduce riesgos de pérdida o robo de datos, lo que puede ocasionar graves pérdidas financieras y daños a la reputación de las empresas. Un software eficaz de prevención de pérdida de datos (DLP) debe impedir el movimiento no autorizado de datos privados e información de identificación personal (PII) para limitar el riesgo financiero y reputacional.
Automatización de cargas de trabajo en la nube: Software y casos de uso más destacados
Las empresas están aumentando su flexibilidad y gestionando los costos mediante la adopción de una estrategia de nube híbrida. Según Statista, las industrias han incrementado sus cargas de trabajo en la nube y han experimentado un repunte como respuesta a la pandemia de COVID-19.
Las 10 mejores prácticas y casos prácticos de DLP móvil
Los empleados acceden a archivos, envían correos electrónicos y utilizan aplicaciones empresariales en dispositivos móviles como smartphones y tabletas, lo que genera nuevos riesgos. Los dispositivos móviles suelen presentar vulnerabilidades para el software DLP debido a su portabilidad, acceso a sistemas en la nube y diversas aplicaciones.
Boletín informativo de AIMultiple
Reciba un correo electrónico gratuito a la semana con las últimas noticias tecnológicas B2B y análisis de expertos para impulsar su empresa.