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
15 Strumenti di Osservabilità per Agenti AI: AgentOps & Langfuse
AI agent observability tools, such as Langfuse and Arize, help gather detailed traces (a record of a program or transaction’s execution) and provide dashboards to track metrics in real time. Many agent frameworks, like LangChain, use the OpenTelemetry standard to share metadata with agentic monitoring. On top of that, many observability tools provide custom instrumentation for greater flexibility.
8 modelli di codice AI valutati: LMC-Eval
More than 37% of tasks performed on AI models are about computer programming and maths.
OCR Benchmark: Estrazione del testo / Accuratezza dell'acquisizione
OCR accuracy is critical for many document processing tasks, and SOTA multi-modal LLMs are now offering an alternative to OCR.
Top 10 Strumenti Open Source per la Microsegmentazione
Traditional network segmentation doesn’t work for microservices. IP addresses and ports can’t protect API communications when services spin up and down dynamically across containers. Large enterprises running microservices architectures need different approach: identity-based segmentation that follows services wherever they run.
Migliori 7 Agenti di Test AI per QA
We evaluated AI testing platforms embedded with AI agents; most were overhyped Selenium/Playwright with marketing. A few were capable of writing/maintaining test cases or visual testing, though even these tools still have notable limitations. From these, we selected 7 platforms and categorized them by their primary focus areas.
57 Veri Setleri ML ve AI Modelleri İçin
Data is required to leverage or build generative AI or conversational AI solutions. You can use existing datasets available on the market or hire a data collection service. We identified 57 datasets to train and evaluate machine learning and AI models.
En İyi Kod Olmayan ML Platformları: ChatGPT Alternatifleri
We benchmarked 4 no-code machine learning platforms across key metrics: data processing (handling missing values, outliers), model setup and ease of use, accuracy metrics output, availability of visualizations, and any major limitations or notes observed during testing. No-code machine learning tools benchmark Note: Scores represent average performance across kNN and Logistic Regression where applicable.
I principali +100 casi d'uso RPA con esempi reali
RPA can automate repetitive tasks in the front and back offices. A use case-focused approach is critical to optimizing the value of technology investments. We identify 103 use cases and real-life examples of Robotic Process Automation, illustrating its application in automating repetitive tasks across various business, industry-specific, and personal contexts.
Ricevuta OCR Benchmark con LLMs
Extracting data from receipts is essential for businesses, as millions of employees submit their work-related expenses via receipts. With the latest developments in generative AI and large language models, data extraction accuracy has reached a level comparable to that of humans.
I 10 migliori alternative a Google Colab
Google Colaboratory is a popular platform for data scientists and machine learning scientists, but its limitations and pricing may not meet your needs. Several alternatives offer unique features and capabilities that cater to different data science needs and scenarios.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.