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
Le 10 migliori alternative a Colab
Google Colaboratory è una piattaforma popolare tra gli scienziati dei dati e gli esperti di machine learning, ma i suoi limiti e i prezzi potrebbero non soddisfare le tue esigenze. Diverse alternative offrono caratteristiche e funzionalità uniche che si adattano a diverse esigenze e scenari di data science.
Le 20 migliori applicazioni ed esempi di intelligenza artificiale per la sostenibilità.
Secondo PwC, l'IA generativa potrebbe migliorare l'efficienza operativa, riducendo indirettamente l'impronta di carbonio nei processi aziendali. Applicando l'IA generativa ad aree come l'ottimizzazione della logistica, la previsione della domanda e la riduzione degli sprechi, le aziende possono ridurre le emissioni in tutte le loro attività, al di là dei sistemi di IA stessi.
Sistemi di raccomandazione: applicazioni ed esempi
I sistemi di raccomandazione offrono vantaggi sia alle aziende che ai clienti, utilizzando i dati per personalizzare le esperienze. Contribuiscono ad aumentare le vendite, a rafforzare la fidelizzazione dei clienti e a ridurre il tasso di abbandono, semplificando le scelte e mantenendo gli utenti coinvolti. Abbiamo confrontato le prestazioni di tre librerie di raccomandazione Python: LightFM, Cornac BPR e TensorFlow Recommenders, utilizzando lo stesso dataset di feedback implicito e identici passaggi di preelaborazione.
Agenti di intelligenza artificiale per dispositivi mobili testati su 65 attività reali.
Abbiamo trascorso 3 giorni a testare quattro agenti di intelligenza artificiale per dispositivi mobili (DroidRun, Mobile-Agent, AutoDroid e AppAgent) su 65 attività reali utilizzando un emulatore Android con applicazioni come la gestione del calendario, la creazione di contatti, l'acquisizione di foto, la registrazione audio e le operazioni sui file.
Le 9 migliori aziende e applicazioni per infrastrutture di intelligenza artificiale
Molte organizzazioni investono ingenti somme nell'IA, eppure la maggior parte dei progetti non riesce a raggiungere la scalabilità. Solo il 10-20% dei proof of concept di IA arriva alla piena implementazione. Una delle ragioni principali è che i sistemi esistenti non sono attrezzati per supportare le esigenze di grandi set di dati, elaborazione in tempo reale o modelli di machine learning complessi.
I migliori strumenti LLMOps e un confronto con gli MLOPs
La rapida adozione di modelli linguistici di grandi dimensioni ha superato la capacità dei framework operativi necessari per gestirli in modo efficiente. Le aziende si trovano sempre più spesso a dover affrontare costi di sviluppo elevati, pipeline complesse e una visibilità limitata sulle prestazioni dei modelli.
Confronto tra 9 modelli linguistici di grandi dimensioni nel settore sanitario
Abbiamo effettuato un benchmark di 9 LLM utilizzando il dataset MedQA, un benchmark per esami clinici di livello universitario derivato da domande USMLE. Ogni modello ha risposto agli stessi scenari clinici a risposta multipla utilizzando un prompt standardizzato, consentendo un confronto diretto dell'accuratezza. Abbiamo anche registrato la latenza per domanda dividendo il tempo di esecuzione totale per il numero di elementi MedQA completati.
Oltre 10 tendenze ed esempi di IA agentiva per il 2026
Abbiamo esaminato e confrontato le tendenze dell'IA agentica da diversi importanti report di settore, benchmark e comunicazioni dei fornitori. Le fonti sottolineano che il futuro dell'IA agentica non riguarda solo il miglioramento degli strumenti o la semplificazione dei flussi di lavoro aziendali. Si tratta di integrare profondamente l'IA e trasformare gli approcci aziendali ristrutturando i framework attuali.
17 casi d'uso dell'intelligenza artificiale generativa in ambito sanitario
I sistemi sanitari si trovano ad affrontare volumi di dati sempre maggiori, carenza di personale e aspettative crescenti di cure personalizzate. L'intelligenza artificiale generativa si sta affermando come soluzione chiave, sintetizzando dati medici non strutturati, come note cliniche, referti di diagnostica per immagini e anamnesi dei pazienti, in informazioni utili per medici e amministratori. Scopri come l'intelligenza artificiale generativa viene applicata nell'erogazione, nell'amministrazione e nella gestione della salute della popolazione.
Software GPU per l'intelligenza artificiale: CUDA contro ROCm nel 2026
Le specifiche hardware grezze raccontano solo metà della storia nel calcolo GPU. Per misurare le prestazioni AI nel mondo reale, abbiamo eseguito 52 test distinti confrontando l'MI300X di AMD con l'H100, l'H200 e il B200 di NVIDIA in scenari multi-GPU e ad alta concorrenza. Mentre l'MI300X di AMD vanta 1.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.