Cem Dilmegani
Il lavoro di Cem in 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 e risultati
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente di tecnologia e imprenditore tecnologico. Ha consigliato 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 approvvigionamenti di una società di telecomunicazioni rispondendo direttamente al CEO. Ha anche guidato la crescita commerciale dell'azienda 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 trattato da importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. [6], [7]
Interessi di ricerca
Il lavoro di Cem si concentra sull'IA aziendale e il software.L'esperienza pratica di Cem nel software aziendale contribuisce al suo lavoro. Altri analisti di settore di AIMultiple e il team tecnico supportano Cem nella progettazione, esecuzione e valutazione dei benchmark.
Formazione
Si è laureato come ingegnere informatico all'Università Bogazici nel 2007. Durante il suo percorso di laurea in ingegneria, ha studiato machine learning in un'epoca in cui veniva comunemente chiamata "data mining" e la maggior parte delle reti neurali aveva pochi strati nascosti.Ha conseguito un MBA presso la Columbia Business School nel 2012.
Cem parla fluentemente inglese e turco. Ha un livello avanzato di tedesco e un livello base di francese.
Pubblicazioni esterne
- Cem Dilmegani, Post-AI Banking: Milioni di posti di lavoro a rischio mentre le banche automatizzano le funzioni core. International Banker.
- Cem Dilmegani, Bengi Korkmaz, e Martin Lundqvist (1 dicembre 2014).Digitalizzazione del settore pubblico: la sfida da trilioni di dollari, McKinsey & Company.
Presentazioni in media, conferenze & altri eventi
- Ospitato 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'IA il 5 novembre 2025. Registrazione disponibile su: Korea24
- Immobiliare e tecnologia, presentato dal Wilbur F. Breslin Center for Real Estate Studies e dalla Frank G. Zarb School of Business dell'Università Hofstra nel 2023 e 2024.
- Radar AI sessione (22 giugno 2023): "Aumentare l'impatto della data science con ChatGPT".
- Incontro Generative AI Atlanta: Generative AI 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 che sia più intelligente di noi, Washington Post.
- Strumento per la leadership dell'IA: toolkit per i dirigenti, World Economic Forum.
- Performance scientifica, di ricerca e innovazione dell'UE, Commissione europea.
- L'investimento dell'UE nell'IA da 200 miliardi di euro spinge denaro nei data center, ma il mercato dei chip resta una sfida, IT Brew.
- Hypatos ottiene 11,8 milioni di dollari per un approccio di deep learning all'elaborazione dei documenti, TechCrunch.
- Abbiamo avuto un'occhiata esclusiva al pitch deck che la startup di IA Hypatos ha usato per raccogliere 11 milioni di dollari, Business Insider.
Ultimi articoli di Cem
GPU Software per l'IA: CUDA vs. ROCm
Le specifiche hardware grezze raccontano solo metà della storia nel computing GPU. Per misurare le prestazioni reali dell'IA, abbiamo eseguito 52 test distinti confrontando l'MI300X di AMD con le H100, H200 e B200 di NVIDIA in scenari multi-GPU e ad alta concorrenza. Nonostante l'MI300X di AMD vanti 1.307 TFLOPS rispetto ai 990 TFLOPS della H100/H200…
IA generativa nel retail: 7 casi d'uso ed esempi
Le aziende del retail si impegnano a migliorare l'esperienza e la fedeltà dei clienti. Ciò richiede la produzione di contenuti accattivanti in vari formati, attività di marketing efficaci e un servizio clienti eccezionale. Con l'IA generativa, i rivenditori possono affrontare la maggior parte di questi problemi attraverso l'automazione, in particolare migliorando la loro capacità di…
Federated Learning: 7 Casi d'Uso ed Esempi
Il federated learning (FL) consente ai modelli di apprendere da dati decentralizzati mantenendo private le informazioni sensibili e garantendo la conformità con le leggi sulla localizzazione e sulla privacy dei dati. Scopri cos'è il federated learning, come funziona, casi d'uso comuni con esempi reali, potenziali sfide e le sue alternative. Il federated learning supporta un'ampia…
Control-M per l'automazione dei carichi di lavoro aziendali
Control-M di BMC Software aiuta i team a coordinare e automatizzare i flussi di lavoro di dati e applicazioni in ambienti diversi, inclusi mainframe, cloud e sistemi ibridi. Offre agli utenti un unico punto per programmare i job, monitorare l'avanzamento e gestire le dipendenze. La piattaforma si connette anche con servizi cloud diffusi, strumenti per…
I 25 migliori strumenti di controllo versione
Da AIMultiple, utilizziamo quotidianamente strumenti di controllo versione per gestire il codice di oltre 1.000 pagine web in più progetti. In base alla nostra esperienza, abbiamo selezionato i migliori strumenti di controllo versione, inclusi software open-source e proprietari: Git è un sistema di controllo versione distribuito gratuito e open source originariamente creato da Linus Torvalds…
Il futuro dei grandi modelli linguistici
Vedi il futuro dei grandi modelli linguistici approfondendo approcci promettenti, come l'auto-addestramento, la verifica dei fatti e l'expertise sparsa che potrebbero affrontare le limitazioni degli LLM. Confronto dei tassi di successo degli LLM Claude Sonnet 4.6 ha guidato il benchmark con un punteggio complessivo di 0.748, con le varianti base e thinking a pari merito…
Migliori strumenti di Design to Code a confronto: Analisi dettagliata
Gli strumenti di design-to-code sono cambiati più negli ultimi 18 mesi che nel decennio precedente. La categoria significava "esportare un po' di CSS da Figma". Ora comprende costruttori di app full-stack, integrazioni bidirezionali MCP che scrivono di nuovo sulla canvas e piattaforme agentiche che distribuiscono branch di produzione da messaggi Slack. Gli strumenti in questo…
Top 50 Casi d'Uso e Studi di Caso di Deep Learning
Il deep learning utilizza le reti neurali artificiali per apprendere dai dati. Quando addestrato su grandi dataset di alta qualità, raggiunge un'alta accuratezza, rendendolo prezioso ovunque si abbiano dati abbondanti e sia necessaria una previsione accurata. Di seguito sono riportate applicazioni reali di deep learning in diversi settori e funzioni aziendali, con esempi concreti. I…
Top 15 Casi d'uso dell'IA nella logistica ed esempi
Inefficienze persistenti, costi operativi in aumento e continue interruzioni della supply chain continuano a mettere alla prova le funzioni logistiche a livello globale. Queste pressioni stanno mettendo a dura prova i sistemi tradizionali, riducendo l'affidabilità del servizio e limitando la capacità delle organizzazioni di scalare. In risposta, le aziende si rivolgono sempre più all'intelligenza artificiale…
Riproducibilità dell'IA: Perché è Importante & Come Migliorarla
La riproducibilità è una parte fondamentale della ricerca scientifica. Permette ai ricercatori e ai team di IA di verificare se un risultato può essere ottenuto nuovamente in condizioni chiaramente descritte. Un rapporto dell'OCSE sull'IA nella scienza sostiene che la ricerca sull'IA non è sfuggita alla più ampia crisi di riproducibilità. Cita prove che i problemi…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.