Cem Dilmegani
Esperienza professionale e risultati conseguiti
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente di tecnologia e imprenditore tecnologico. Ha fornito consulenza alle aziende 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 gli acquisti di una società di telecomunicazioni, riportando direttamente all'amministratore delegato. Ha anche guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto un fatturato ricorrente annuo a 7 cifre e una valutazione a 9 cifre partendo da zero in 2 anni. Il lavoro di Cem in Hypatos è stato trattato da importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. [6], [7]Interessi di ricerca
Il lavoro di Cem si concentra su come le aziende possono sfruttare le nuove tecnologie in ambito di intelligenza artificiale, intelligenza artificiale agenziale, sicurezza informatica (inclusa la sicurezza di rete e la sicurezza delle applicazioni) e dati, compresi i dati web. L'esperienza pratica di Cem nello sviluppo di software aziendali contribuisce al suo lavoro. Altri analisti del settore e il team tecnico supportano Cem nella progettazione, esecuzione e valutazione dei benchmark.Preparazione
Si è laureato in ingegneria informatica presso l'Università di Bogazici nel 2007. Durante gli studi di ingegneria, ha approfondito l'apprendimento automatico in un periodo in cui veniva comunemente chiamato "data mining" e la maggior parte delle reti neurali presentava alcuni strati nascosti. Ha conseguito un MBA presso la Columbia Business School nel 2012. Cem parla fluentemente inglese e turco. Ha una conoscenza avanzata del tedesco e un livello principiante del francese.Pubblicazioni esterne
- Cem Dilmegani, Post-AI Banking: Milioni di posti di lavoro a rischio a causa dell'automazione delle funzioni principali delle banche . International Banker.
- Cem Dilmegani, Bengi Korkmaz e Martin Lundqvist (1° dicembre 2014). Digitalizzazione del settore pubblico: la sfida da mille miliardi di dollari , McKinsey & Company.
Presentazioni ai media, a conferenze e ad altri eventi.
- Risposte alle domande di Korea24 sulla perdita di posti di lavoro dovuta all'IA, Korea24
- "Immobiliare e tecnologia" , un seminario presentato dal Wilbur F. Breslin Center for Real Estate Studies e dalla Frank G. Zarb School of Business della Hofstra University nel 2023 e nel 2024.
- Sessione Radar AI (22 giugno 2023): "Aumentare l'impatto della scienza dei dati con ChatGPT".
- Incontro di Generative AI Atlanta: Intelligenza artificiale generativa per la tecnologia aziendale .
Fonti
- Perché Microsoft, IBM e Google stanno intensificando gli sforzi sull'etica dell'IA , Business Insider.
- Microsoft investe 1 miliardo di dollari in OpenAI per perseguire un'intelligenza artificiale più intelligente di noi , Washington Post.
- Potenziare la leadership nell'IA: Toolkit per i dirigenti di alto livello in materia di IA , World Economic Forum.
- Prestazioni dell'UE in materia di scienza, ricerca e innovazione , Commissione europea.
- L'investimento di 200 miliardi di euro dell'UE nell'intelligenza artificiale convoglia capitali verso i data center, ma il mercato dei chip rimane una sfida , IT Brew.
- Hypatos riceve 11,8 milioni di dollari per un approccio di deep learning all'elaborazione dei documenti , secondo TechCrunch.
- Business Insider ha pubblicato in esclusiva il pitch deck utilizzato dalla startup di intelligenza artificiale Hypatos per raccogliere 11 milioni di dollari .
Ultimi articoli di Cem
4 Modelli di Progettazione di AI Agente ed Esempi del Mondo Reale
Agentic AI design patterns enhance the autonomy of large language smodels (LLMs) like Llama, Claude, or GPT by leveraging tool-use, decision-making, and problem-solving. This brings a structured approach for creating and managing autonomous agents in several use cases.
Framework Multi-Agente: Sfide e Punti di Forza
Multi-agent systems use specialized agents working together to solve complex tasks. A key challenge: does performance degrade as more agents and tools are added, or can orchestration mechanisms handle the growing complexity efficiently? We benchmarked 5 agentic frameworks across 750 runs with three tasks.
Confronto tra i modelli Large Vision: GPT-4o vs YOLOv8n
I modelli di visione su larga scala (LVM) possono automatizzare e migliorare attività visive come il rilevamento di difetti, la diagnosi medica e il monitoraggio ambientale. Abbiamo confrontato tre modelli di rilevamento di oggetti: YOLOv8n, DETR e GPT-4o Vision, su 1.000 immagini ciascuno, misurando metriche come mAP@0.5, velocità di inferenza, FLOPs e numero di parametri.
Analiz İş Akışlarında Ajan Yapay Zeka Çerçevelerinin Benchmarklanması
Frameworks for building agentic workflows differ substantially in how they handle decisions and errors, yet their performance on imperfect real-world data remains largely untested.
En İyi Döndürmeli Proxy'ler: Konut, Mobil ve 4G Sıralandı
We benchmarked major rotating proxies (residential, datacenter, and mobile) using over 200,000 requests, including 100,000 parallel requests, for major e-commerce and social media sites.
RPA Fiyatlandırması Önde Gelen Satıcılar Arasında Karşılaştırıldı
We reviewed leading RPA pricing in detail to identify the lowest RPA vendor license fees: See license costs of market-leading solutions for different scenarios with different numbers and types of licenses: RPA pricing calculator Note: We based price estimates on public, verifiable data. Therefore unpublished volume discounts are not included above.
Top 15 Servizi di Raccolta Dati
Whether you need human-collected datasets, large-scale web data, or market insights, explore the options below to find the right data source for your project. Top 15 AI data collection services Despite the efficiency of web data collection and synthetic data generation, human-generated data remains essential for AI development.
Oltre 40 casi d'uso di IA agentica con esempi reali
Gli agenti di IA generativa autonomi eseguono compiti complessi con poca o nessuna supervisione umana. L'IA agentica si differenzia dai chatbot e dai copiloti. A differenza dell'IA tradizionale, in particolare dell'IA generativa, che spesso richiede l'intervento umano in flussi di lavoro complessi, l'IA agentica mira a navigare e ottimizzare autonomamente i processi grazie alle sue capacità decisionali e al suo comportamento orientato agli obiettivi.
Alternatifler OpenClaw: Hermes vs ZeroClaw vs PicoClaw
Autonomous AI agents, such as OpenClaw and Hermes agent, automate multi-step tasks that would normally require constant human input. While OpenClaw has become the most widely adopted always-on autonomous agent, many users are seeking alternatives due to its challenging deployment process and complex configuration requirements.
Le 7 migliori alternative a GoAnywhere
GoAnywhere is a secure file transfer platform used by enterprises to exchange data securely. Whether you’re in search of more advanced features, diverse pricing options, or superior customer service, our curated list of alternatives offers the insights you need to make a well-informed choice.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.