Services
Contactez-nous
Cem Dilmegani

Cem Dilmegani

Analyste principal
342 Articles
Restez informé des dernières technologies B2B
Cem est analyste principal chez AIMultiple depuis près de dix ans. Ses travaux chez AIMultiple ont été cités par des publications internationales de premier plan telles que Business Insider, Forbes, Morning Brew et le Washington Post, ainsi que par des entreprises internationales comme HPE, des ONG comme le Forum économique mondial et des organisations supranationales comme la Commission européenne. [1], [2], [3], [4], [5]

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

Présentations aux médias, conférences et autres événements

Sources

  1. Pourquoi Microsoft, IBM et Google intensifient leurs efforts en matière d'éthique de l'IA , Business Insider.
  2. Microsoft investit 1 milliard de dollars dans OpenAI pour développer une intelligence artificielle plus performante que l'humanité , Washington Post.
  3. Développer le leadership en IA : Boîte à outils IA pour les dirigeants , Forum économique mondial.
  4. Performances scientifiques, de recherche et d'innovation de l'UE , Commission européenne.
  5. 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.
  6. Hypatos lève 11,8 millions de dollars pour une approche d'apprentissage profond appliquée au traitement de documents , TechCrunch.
  7. 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

cybersécuritéJuin 11

Les 5 principaux composants open source de ZTNA

ZTNA remplace les VPN dans de nombreuses organisations, s'inscrivant dans une tendance plus large vers la sécurité « zéro confiance ». Les outils open source ZTNA offrent une solution économique pour autoriser l'accès à chaque niveau, sécurisant ainsi l'accès distant aux ressources. Découvrez les 5 meilleures solutions open source ZTNA : Pour les entreprises.

IAJuin 11

Text-to-SQL : Comparaison de la précision LLM

J'utilise SQL pour l'analyse de données depuis 18 ans, et ce, depuis mes débuts comme consultant. La traduction des requêtes en langage naturel en SQL rend les données plus accessibles, permettant à tous, même sans compétences techniques, de travailler directement avec les bases de données.

DonnéesJuin 11

Apprentissage fédéré : 7 cas d'utilisation et exemples

D'après de récentes analyses de McKinsey, les risques les plus pressants liés à l'adoption de l'IA comprennent les dysfonctionnements des modèles, la provenance et l'authenticité des données, le non-respect des réglementations et les vulnérabilités de la chaîne d'approvisionnement en IA. L'apprentissage fédéré (FL) s'est imposé comme une technique fondamentale pour les organisations souhaitant atténuer ces risques. Il permet aux modèles d'apprendre à partir de données décentralisées tout en préservant la confidentialité des informations sensibles.

IAJuin 11

Les 20 principales prédictions des experts concernant les pertes d'emplois liées à l'IA

En tant que consultante chez McKinsey, j'ai accompagné des entreprises dans l'adoption des nouvelles technologies pendant dix ans. Mes réponses rapides concernant les pertes d'emplois liées à l'IA : Prévisions de pertes d'emplois liées à l'IA. Remarque : La taille des graphiques est proportionnelle à l'ampleur des prévisions de pertes d'emplois. Les pourcentages mentionnés dans notre analyse reposent sur des hypothèses relatives aux déplacements d'emplois globaux.

IAJuin 10

Systèmes de recommandation : applications et exemples

Les systèmes de recommandation profitent aux entreprises comme aux clients en utilisant les données pour personnaliser les expériences. Ils contribuent à augmenter les ventes, à fidéliser la clientèle et à réduire le taux d'attrition en simplifiant les choix et en maintenant l'engagement des utilisateurs. Nous avons comparé trois bibliothèques de recommandation Python : LightFM, Cornac BPR et TensorFlow Recommenders, en utilisant le même jeu de données de rétroaction implicite et les mêmes étapes de prétraitement.

Logiciel d'entrepriseJuin 10

Avis sur NinjaOne : 15 fonctionnalités pour l'informatique d'entreprise

NinjaOne équipe les services informatiques de 35 000 entreprises. Sa plateforme inclut le contrôle des terminaux, la surveillance, la sécurité, la sauvegarde et les opérations de maintenance. NinjaOne offre des performances de pointe en matière de gestion des correctifs et de RMM. Chaque section décrit notre expérience avec NinjaOne et ses performances : Couche de contrôle (Périphériques) 1.

DonnéesJuin 10

VPN Benchmark of Top 5 VPN Providers

We tested six leading consumer VPN services, measuring throughput against a clean baseline, packet drops over 15 minutes per provider, CPU and RAM use on macOS, and VPN connection behavior under load. Our test on VPN providers show that best VPN services change based on different needs.

IAJuin 10

Les 20 meilleurs frameworks RAG d'agentic

Agentic RAG améliore le RAG traditionnel en optimisant les performances LLM et en permettant une plus grande spécialisation. Nous avons réalisé un test de performance pour évaluer ses performances en matière de routage entre plusieurs bases de données et de génération de requêtes. Découvrez les frameworks et bibliothèques Agentic RAG, leurs principales différences avec le RAG standard, leurs avantages et les défis à relever pour exploiter pleinement leur potentiel.

IAJuin 10

Analyse comparative de la latence LLM par cas d'utilisation en

L'efficacité des grands modèles de langage (GML) dépend non seulement de leur précision et de leurs capacités, mais aussi de leur rapidité d'interaction avec les utilisateurs. Nous avons évalué les performances des principaux modèles de langage dans divers cas d'utilisation, en mesurant leurs temps de réponse aux entrées utilisateur.

IAJuin 10

Comparaison des modèles Large Vision : GPT-4o vs YOLOv8n

Les modèles de vision à grande échelle (LVM) peuvent automatiser et améliorer des tâches visuelles telles que la détection de défauts, le diagnostic médical et la surveillance environnementale. Nous avons comparé trois modèles de détection d'objets : YOLOv8n, DETR et GPT-4oVision, sur 1 000 images chacun, en mesurant des métriques telles que le mAP@0,5, la vitesse d'inférence, les FLOP et le nombre de paramètres.

...23456...