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
Principali 6 metodi di raccolta dati per l'intelligenza artificiale e il machine learning
While some companies rely on AI data collection services, others gather their data using scraping tools or other methods. See the top 6 AI data collection methods and techniques to fuel your AI projects with accurate data: Overview of AI data collection methods 1.
Yapay Zeka Ajanları Oluşturma + 18 Ajan Platformu ve Aracı
We spent the two days experimenting with real-world demos and tools to build personal AI assistants that can handle your tasks, such as scheduling meetings, managing notes, or sorting through emails. We will dive into three main approaches to building and using personal AI assistants, with real-world examples for each: 1.
Software Text-to-Speech: Hume & ElevenLabs
As AI capabilities evolve, text-to-speech (TTS) software is becoming more adept at producing natural, human-like speech. We evaluated and compared the performance of five different TTS and sentiment analysis tools (Resemble, ElevenLabs, Hume, Azure, and Cartesia) across seven core emotion categories to determine which could most accurately, consistently, and comprehensively recognize emotional tones.
Migliori strumenti da Design a Codice Confrontati: Analisi Dettagliata
The design-to-code landscape has transformed with AI-powered tools promising to bridge the gap between visual design and production-ready code. With 82% of developers now using AI coding assistants daily or weekly, the demand for effective design-to-code solutions has never been higher.
Analisi dei 4 principali NGFW open source in base alle funzionalità
Teams using NGFWs, AI-driven security, and automation save ~$2M more than those using traditional tools. See open source NGFW as a cost-effective network security solution for comprehensive security: Top 4 open source NGFW comparison Table 1. Key features For details of key features of open source NGFW and their importance, check the ngfw features.
RAG Strumenti di Valutazione: Weights & Biases vs Ragas vs DeepEval
When a RAG pipeline retrieves the wrong context, the LLM confidently generates the wrong answer. Context relevance scorers are the primary defense. We benchmarked five tools across 1,460 questions and 14,600+ scored contexts under identical conditions: same judge model (GPT-4o), default configurations, and no custom prompts.
AI Senza Codice: Vantaggi, Settori e Differenze Chiave
No-code AI tools allow users to build, train, or deploy AI applications without writing code. These platforms typically rely on drag-and-drop interfaces, natural language prompts, guided setup wizards, or visual workflow builders. This approach lowers the barrier to entry and makes AI development accessible to users without a programming background.
Strumenti di raccolta dati automatizzati e casi d'uso
Automated data collection uses systems to gather, process, and analyze information efficiently. Since automated data comes from multiple sources in various formats, understanding the different types and their origins is essential to implementing it effectively.
Oracle Cloud Infrastructure (OCI) Caratteristiche e Alternative agli Scheduler
Compare the top Oracle Cloud Infrastructure (OCI) schedulers ranked by integration capabilities, features, and pricing.
Automazione del carico di lavoro: sicurezza: migliori pratiche ed esempi
Businesses must secure workload automation at every level. The following sections outline key risks, best practices for securing automation environments, and real-world examples that highlight the importance of robust security.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.