Cem Dilmegani
Il lavoro di Cem presso AIMultiple è stato citato da importanti pubblicazioni globali tra cui Business Insider, Forbes, Morning Brew, Washington Post, aziende globali come HPE, ONG come il World Economic Forum e organizzazioni sovranazionali come la Commissione Europea. [1], [2], [3], [4], [5]
Esperienza professionale & risultati
Nell'arco della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente tecnologico e imprenditore tecnologico. Ha consigliato le imprese sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per oltre un decennio. Ha anche pubblicato un rapporto McKinsey sulla digitalizzazione.Ha guidato la strategia tecnologica e l'approvvigionamento di un'azienda di telecomunicazioni riportando al CEO. Ha anche guidato la crescita commerciale della società deep tech Hypatos che ha raggiunto un fatturato annuo ricorrente a 7 cifre e una valutazione a 9 cifre partendo da 0 in 2 anni. Il lavoro di Cem in Hypatos è stato seguito da importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. [6], [7]
Interessi di ricerca
Il lavoro di Cem si concentra sull'AI aziendale e sul software.L'esperienza pratica di Cem nel software aziendale contribuisce al suo lavoro. Altri analisti del settore AIMultiple e il team tecnico supportano Cem nella progettazione, esecuzione e valutazione dei benchmark.
Formazione
Si è laureato in ingegneria informatica presso l'Università Bogazici nel 2007. Durante il suo corso di laurea in ingegneria, ha studiato apprendimento automatico in un'epoca in cui veniva comunemente chiamato "estrazione dei dati" e la maggior parte delle reti neurali aveva pochi strati nascosti.Possiede un MBA della Columbia Business School conseguito nel 2012.
Cem parla fluentemente inglese e turco. Ha un livello avanzato in tedesco e un livello principiante in francese.
Pubblicazioni esterne
- Cem Dilmegani, Post-AI Banking: Milioni di posti di lavoro a rischio mentre le banche automatizzano le loro funzioni principali. International Banker.
- Cem Dilmegani, Bengi Korkmaz, e Martin Lundqvist (1 dicembre 2014).Digitalizzazione del settore pubblico: la sfida da trilioni di dollari, McKinsey & Company.
Media, conferenze & altre presentazioni di eventi
- Ospite su American Variety Radio, rispondendo alle domande di Court Lewis sull'AGI il 25 aprile 2026.
- Ha risposto alle domande di Korea24 sulla perdita di posti di lavoro dovuta all'AI il 5 novembre 2025. Registrazione disponibile su: Korea24
- Immobiliare e Tecnologia, presentato dal Wilbur F. Breslin Center for Real Estate Studies della Hofstra University e dalla Frank G. Zarb School of Business nel 2023 e 2024.
- Sessione Radar AI (22 giugno 2023): "Aumentare l'impatto della Data Science con ChatGPT".
- Generative AI Atlanta meetup: Generative AI per la tecnologia aziendale.
Fonti
- Perché Microsoft, IBM e Google stanno intensificando gli sforzi sull'etica dell'AI, Business Insider.
- Microsoft investe 1 miliardo di dollari in OpenAI per perseguire un'intelligenza artificiale più intelligente di noi, Washington Post.
- Potenziare la leadership dell'AI: toolkit per i dirigenti aziendali, World Economic Forum.
- Prestazioni in materia di scienza, ricerca e innovazione dell'UE, Commissione Europea.
- L'investimento da 200 miliardi di euro dell'UE nell'AI spinge liquidità nei data center, ma il mercato dei chip rimane una sfida, IT Brew.
- Hypatos ottiene 11,8 milioni di dollari per un approccio di deep learning all'elaborazione dei documenti, TechCrunch.
- Abbiamo dato uno sguardo esclusivo al pitch deck che la startup AI Hypatos ha usato per raccogliere 11 milioni di dollari, Business Insider.
Ultimi articoli di Cem
Large Action Models: Hype o Realtà?
Dopo il lancio di Rabbit, un dispositivo AI in grado di utilizzare app mobili, il termine large action model (LAM) sta diventando popolare. Questi modelli vanno oltre la conversazione trasformando gli LLM in "agenti" che possono connettere il mondo isolato e guidato dalle app senza richiedere agli utenti di cliccare sulle app o integrare API.…
I 10 migliori web crawler open source per LLM e IA
I recenti progressi nell'IA generativa hanno ridefinito ciò di cui gli sviluppatori hanno bisogno dai web crawler. I crawler agentici ora utilizzano prompt in linguaggio naturale per selezionare i link anziché regole fisse, e producono nativamente markdown efficiente in token. Allo stesso tempo, i framework classici per il crawling batch su larga scala rimangono insostituibili…
Zona Demilitarizzata (DMZ): Esempi e Architettura
Una rete DMZ (Zona Demilitarizzata) è una sottorete che contiene i servizi pubblicamente accessibili di un'organizzazione. Funge da punto esposto verso una rete non fidata, spesso Internet. Le DMZ sono utilizzate in diversi ambienti, dai router domestici alle reti aziendali, per isolare i servizi esposti al pubblico e proteggere i sistemi interni. Le DMZ (zone…
Qualità dei dati AI: Sfide e migliori pratiche
La scarsa qualità dei dati ritarda il successo dell'implementazione di progetti di IA e ML. 1 Anche gli algoritmi di IA più avanzati possono produrre risultati errati se i dati sottostanti sono di bassa qualità. Scopri l'importanza della qualità dei dati nell'IA, le sfide che le organizzazioni incontrano e le migliori pratiche per garantire dati…
Top 15+ aziende Data as a Service
Data as a Service (DaaS) è un modello cloud che fornisce dati su richiesta, solitamente in abbonamento. Consente a un'azienda di acquistare i dataset di cui ha bisogno senza dover raccogliere e archiviare i dati autonomamente. Scopri le principali aziende di data as a service e i tipi di dati che forniscono, le caratteristiche principali…
Benchmark degli Strumenti di Revisione del Codice IA
Con il crescente utilizzo degli strumenti di codifica IA, i codebase sono diventati più inclini alle vulnerabilità, il che ha aumentato la necessità di revisioni del codice efficaci. Per affrontare questo problema, introduciamo RevEval (IA Code Review Eval), che confronta i quattro migliori strumenti di revisione del codice IA su 309 pull request provenienti da…
Miglior editor di codice IA: Cursor vs Windsurf vs Replit
Creare un'app senza competenze di programmazione è molto di tendenza in questo momento. Ma questi strumenti possono davvero creare e distribuire un'app con successo? Abbiamo sottoposto a benchmark 6 editor di codice IA in 10 sfide reali di sviluppo web. Ogni attività richiedeva implementazioni come backend, frontend, autenticazione e gestione dello stato. Abbiamo valutato la…
Confronta i Large Vision Models: GPT-4o vs YOLOv8n
I large vision models (LVM) possono automatizzare e migliorare i compiti visivi come il rilevamento dei difetti, la diagnosi medica e il monitoraggio ambientale. Abbiamo effettuato il benchmark di tre model di object detection: YOLOv8n, DETR e GPT-4o Vision, su 1.000 immagini ciascuno, misurando metriche come mAP@0.5, velocità di inference, FLOPs e numero di parametri.…
LLM Motori di inferenza: vLLM vs LMDeploy vs SGLang
Abbiamo testato 3 principali motori di inferenza LLM su NVIDIA H100: vLLM, LMDeploy e SGLang. Ogni motore ha elaborato carichi di lavoro identici: 1,000 prompt ShareGPT utilizzando Llama 3.1 8B-Instruct per isolare il reale impatto sulle prestazioni delle loro scelte architetturali e strategie di ottimizzazione. Abbiamo misurato il throughput batch offline su 10,000 operazioni di…
Agenti per l'uso del computer: Benchmark e architettura
Gli agenti per l'uso del computer promettono di gestire desktop reali e applicazioni web, ma le loro progettazione, limiti e compromessi sono spesso poco chiari. Esaminiamo i sistemi leader analizzando come funzionano, come apprendono e come differiscono le loro architetture. Facciamo inoltre riferimento a un benchmark mirato di ancoraggio UI su 100 screenshot desktop, che…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.