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
Scraping Dati Finanziari Senza Codice: Strumenti e Consigli sulla Conformità
While official financial data providers do offer APIs, these are often limited in scope, access, or flexibility for real-time or niche data needs.
LLM Çıkarım Motorları: vLLM vs LMDeploy vs SGLang
We benchmarked 3 leading LLM inference engines on NVIDIA H100: vLLM, LMDeploy, and SGLang. Each engine processed identical workloads: 1,000 ShareGPT prompts using Llama 3.1 8B-Instruct to isolate the true performance impact of their architectural choices and optimization strategies.
En İyi 5 Açık Kaynak Veritabanı İzleme Aracı
Commercial database monitoring tools often promise polished interfaces and dedicated enterprise support. Open-source solutions are increasingly chosen for their transparency, cost-effectiveness, community-driven development, and flexibility.
LCMs: Da LLM Tokenizzazione a Rappresentazione a Livello di Concetto
Large concept models (LCMs), as introduced by Meta in their work on “Large Concept Models,” represent a fundamental shift away from token-based prediction toward concept-level representation.
Modelli Vision Language confrontati con il riconoscimento delle immagini
Can advanced Vision Language Models (VLMs) replace traditional image recognition models? To find out, we benchmarked 16 leading models across three paradigms: traditional CNNs (ResNet, EfficientNet), VLMs ( such as GPT-4.1, Gemini 2.5), and Cloud APIs (AWS, Google, Azure).
7 Katmanlı Ajan Yapay Zeka Yığını
The rise of agentic AI has introduced a technology stack that extends well beyond simple calls to foundation-model APIs. Unlike traditional software stacks, where value often concentrates at the application tier, the agentic AI stack distributes value more unevenly. Some layers offer strong opportunities for differentiation and moat building, while others are rapidly becoming commoditized.
Agentic Mesh: Geleceğin Ölçeklenebilir Yapay Zeka İşbirliği
While much has been written about agent architectures, real-world production-grade implementations remain limited. This piece highlights the agentic AI mesh, a concept introduced in a recent McKinsey. We will examine the challenges that emerge in production environments and demonstrate how our proposed architecture enables controlled scaling of AI capabilities.
Ottimizzare la codifica agenziale: come usare Claude Code?
AI coding tools have become indispensable for many development tasks. In our tests, popular AI coding tools like Cursor have been responsible for generating over 70% of the code required for tasks.
MCP Benchmark: I migliori MCP Servers per l'accesso al Web
We benchmarked 8 MCP servers across web search and extraction, as well as browser automation tasks, by running 4 different tasks 5 times on all suitable MCPs. We also performed a load test involving 250 concurrent AI agents.
Miglior Database Vettoriale per RAG: Qdrant vs Weaviate vs Pinecone
Vector databases power the retrieval layer in RAG workflows by storing document and query embeddings as high‑dimensional vectors. They enable fast similarity searches based on vector distances.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.