Cem Dilmegani
Expérience professionnelle et réalisations
Tout au long de sa carrière, Cem a occupé les postes de consultant, d'acheteur et d'entrepreneur dans le secteur des technologies. Pendant plus de dix ans, il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon. Il a également publié un rapport McKinsey sur la numérisation. Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité directe du PDG. Il a également piloté la croissance commerciale de la société de deep tech Hypatos, qui a atteint un chiffre d'affaires annuel récurrent à sept chiffres et une valorisation à neuf chiffres en seulement deux ans. Son travail chez Hypatos a été couvert par des publications technologiques de référence telles que TechCrunch et Business Insider. [6], [7]Intérêts de recherche
Les travaux de Cem portent sur la manière dont les entreprises peuvent tirer parti des nouvelles technologies en matière d'IA, d'IA agentielle, de cybersécurité (notamment la sécurité des réseaux et des applications) et de données, y compris les données web. Son expérience pratique des logiciels d'entreprise enrichit ses recherches. D'autres analystes du secteur et l'équipe technique d'AIMultiple épaulent Cem dans la conception, la mise en œuvre et l'évaluation des benchmarks.Éducation
Il a obtenu son diplôme d'ingénieur en informatique à l'Université de Bogazici en 2007. Durant ses études, il s'est spécialisé en apprentissage automatique, alors souvent appelé « exploration de données », et les réseaux de neurones ne comportaient généralement que quelques couches cachées. Il est titulaire d'un MBA de la Columbia Business School (promotion 2012). Cem parle couramment anglais et turc. Il possède un niveau avancé en allemand et des notions de français.Publications externes
- Cem Dilmegani, « Le secteur bancaire post-IA : des millions d’emplois menacés par l’automatisation des fonctions essentielles des banques » , International Banker.
- Cem Dilmegani, Bengi Korkmaz et Martin Lundqvist (1er décembre 2014). Numérisation du secteur public : le défi à mille milliards de dollars , McKinsey & Company.
Présentations aux médias, conférences et autres événements
- Réponses aux questions de Korea24 sur les pertes d'emplois dues à l'IA, Korea24
- Immobilier et technologie , présenté par le Wilbur F. Breslin Center for Real Estate Studies et la Frank G. Zarb School of Business de l'Université Hofstra en 2023 et 2024.
- Session Radar AI (22 juin 2023) : « Accroître l'impact de la science des données avec ChatGPT ».
- Rencontre d'Atlanta sur l'IA générative : L'IA générative au service des technologies d'entreprise .
Sources
- Pourquoi Microsoft, IBM et Google intensifient leurs efforts en matière d'éthique de l'IA , Business Insider.
- Microsoft investit 1 milliard de dollars dans OpenAI pour développer une intelligence artificielle plus performante que l'humanité , Washington Post.
- Développer le leadership en IA : Boîte à outils IA pour les dirigeants , Forum économique mondial.
- Performances scientifiques, de recherche et d'innovation de l'UE , Commission européenne.
- L'investissement de 200 milliards d'euros de l'UE dans l'IA injecte des fonds dans les centres de données, mais le marché des puces reste un défi , IT Brew.
- Hypatos lève 11,8 millions de dollars pour une approche d'apprentissage profond appliquée au traitement de documents , TechCrunch.
- Business Insider nous a permis de découvrir en exclusivité le pitch deck utilisé par la startup d'IA Hypatos pour lever 11 millions de dollars .
Derniers articles de Cem
Top 10 Outils DAST Open Source / Gratuits Comparés
We relied on our research on vulnerability scanning tools and DAST to select leading open-source DAST tools and free versions of proprietary DAST software. See our rationale by following the links on product names: As the cost and frequency of cyberattacks increase, businesses are increasingly adopting DAST tools to enhance their security posture.
Top 10 Logiciels de Sécurité des Points de Terminaison
Endpoint security management software secures devices, computers, mobile phones, and servers against cyber threats. Organizations use these tools to prevent malware infections, block unauthorized access, and protect sensitive data across their networks. We analyzed the top endpoint security platforms across approximately 20 features.
Top 50 cas d'utilisation et études de cas d'apprentissage profond
Deep learning uses artificial neural networks to learn from data. When trained on large, high-quality datasets, it achieves high accuracy, making it valuable wherever you have abundant data and need accurate predictions. Below are real deep learning applications across industries and business functions, with concrete examples.
Meilleurs outils de surveillance des performances de base de données : Comparaison des 5 meilleures plateformes
Database issues cause application failures: A memory spike crashes your server, and a slow query times out user requests. We analyzed six database monitoring platforms and benchmarked three of them extensively on MySQL and MongoDB by installing them from scratch, running identical workloads, and documenting every step of the setup and monitoring experience.
IA dans les ventes : 15 cas d'utilisation et exemples
Artificial intelligence can enhance sales processes from lead generation to sales forecasting, helping businesses overcome low conversion rates and long sales cycles.
Feuille de route du web scraping : Insights de 30M de requêtes
We scraped more than 30 million web pages using 50+ products from six web data infrastructure companies.
10 Risques de l'IA générative & Comment les atténuer
With industries prioritizing generative AI for innovation and automation, its potential grows. However, risks of generative AI like accuracy and ethical concerns remain. Addressing these challenges is key to ensuring AI benefits humanity. Explore the top 10 risks of generative AI and steps to mitigate them: Model reliability & output integrity risks 1.
Top 7 Bases de données vectorielles open-source : Faiss vs. Chroma
As AI Agents and models increasingly rely on high-dimensional data retrieval, selecting an open-source vector database becomes critical for enterprise deployment.
Entraînement de grands modèles de langage
Integrating existing LLMs into enterprise workflows is increasingly common. However, some enterprises develop custom models trained on proprietary data to improve performance for specific tasks. Building and maintaining such models requires significant resources, including specialized AI talent, large training datasets, and computing infrastructure, which can increase costs to millions of dollars.
Top 7 alternatives à MOVEit
We reviewed the leading alternatives to MOVEit in the secure file transfer market, looking at protocol support, verified product capabilities, and user reviews. MOVEit alternatives’ comparison * Ratings are based on Capterra, Gartner, and G2. The vendors are listed according to their reviews.
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.