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
Mejores 12+ emuladores de Android
Android emulators let you run Android apps and games on PC, Mac, and browsers. Different emulators excel in different use cases. Below is a list of the top Android emulators categorized by their strengths from gaming to app development, security testing, and everyday Android app usage.
7 Estrategias útiles de transformación de IA
AI transformation is the next phase of digital transformation. Businesses are willing to invest in AI technologies to stay ahead of competitors. Digital transformation is a prerequisite for companies to initiate their AI transformation, as digital data is essential for AI training, and digital processes are typically required to deploy AI solutions.
Principales 12 software de gestión de parches incluyendo NinjaOne
Unpatched systems are low-hanging fruit for attackers. A single outdated server or forgotten workstation becomes an entry point. Patch management software automates the process of finding, testing, and deploying updates before vulnerabilities turn into breaches.
Principales 3 alternativas de Prolific
We analyzed Prolific’s top alternatives by comparing participant ratings, crowd size, payment terms, and verified platform data. The right alternative depends on whether you’re a worker looking for tasks or a research buyer looking for data the tradeoffs differ significantly between the two.
Modelos grandes multimodales (LMM) frente a LLMs
We evaluated the performance of Large Multimodal Models (LMMs) in financial reasoning tasks using a carefully selected dataset. By analyzing a subset of high-quality financial samples, we assess the models’ capabilities in processing and reasoning with multimodal data in the financial domain. The methodology section provides detailed insights into the dataset and evaluation framework employed.
Comparativo de Modelos Tabulares: Rendimiento en 19 Conjuntos de Datos
We benchmarked 7 widely used tabular learning models to identify top-performing model families across 19 real-world datasets of varying sizes and structures, covering ~260,000 samples and over 250 total features, with dataset sizes ranging from 435 to nearly 49,000 rows. Tabular learning models benchmark results In the chart, the winning model receives 1 point.
Evaluación de Modelos de Lenguaje Grande: 10+ Métricas y Métodos
Large Language Model evaluation (i.e. LLM eval) is the multidimensional assessment of large language models (LLMs). Effective evaluation is crucial for selecting and optimizing LLMs. Enterprises have a range of base models and their variations to choose from, but achieving success is uncertain without precise performance measurement.
Prueba de referencia de LLM agéntico: Modelos líderes comparados
We benchmarked the top LLMs across 10 software development tasks by using an agentic CLI tool. We executed ~3,500 automated validation steps per model across both API and UI layers. Agentic LLM benchmark results Success rate comparison Each alias ran 3 times across 10 tasks (30 samples per alias, 230 cells per iteration).
Rendimiento de Agentes de IA: Tasas de Éxito y ROI
Recent research reveals that AI performance follows predictable exponential decay patterns, enabling businesses to forecast capabilities and differentiate between costly failures and successful ROI-generating implementations. I oversaw 12 AIMultiple benchmarks, including nearly 70 AI agents across more than 1,000 tasks.
Trampas de Agentes de IA: 20 Incidentes de la Vida Real
AI agent adoption has outpaced AI agent security: 82% of enterprises now deploy agents, but only 44% have policies to secure them, and one in five organizations has already experienced an agent-related breach.
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.