Cem Dilmegani
Experiência profissional e conquistas
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele assessorou empresas em suas decisões tecnológicas na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização. Liderou a estratégia de tecnologia e a aquisição de uma empresa de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de tecnologia avançada Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo de zero em 2 anos. O trabalho de Cem na Hypatos foi noticiado por importantes publicações de tecnologia como TechCrunch e Business Insider. [6], [7]Interesses de pesquisa
O trabalho de Cem concentra-se em como as empresas podem aproveitar as novas tecnologias em IA, IA agente, cibersegurança (incluindo segurança de rede e segurança de aplicações) e dados, incluindo dados da web. A experiência prática de Cem com software empresarial contribui para o seu trabalho. Outros analistas da AIMultiple e a equipe técnica apoiam Cem na concepção, execução e avaliação de benchmarks.Educação
Ele se formou em Engenharia da Computação pela Universidade Bogazici em 2007. Durante sua graduação, estudou aprendizado de máquina na época em que era comumente chamado de "mineração de dados" e a maioria das redes neurais possuía algumas camadas ocultas. Possui um MBA pela Columbia Business School, obtido em 2012. Cem é fluente em inglês e turco. Seu nível de alemão é avançado e seu nível de francês é iniciante.Publicações externas
- Cem Dilmegani, Bancos pós-IA: milhões de empregos em risco com a automação das funções essenciais dos bancos . International Banker.
- Cem Dilmegani, Bengi Korkmaz e Martin Lundqvist (1 de dezembro de 2014). Digitalização do setor público: o desafio de um trilhão de dólares , McKinsey & Company.
Mídia, apresentações em conferências e outros eventos
- Respostas às perguntas da Korea24 sobre a perda de empregos devido à IA, Korea24
- Imóveis e Tecnologia , apresentado pelo Centro Wilbur F. Breslin de Estudos Imobiliários e pela Escola de Negócios Frank G. Zarb da Universidade Hofstra em 2023 e 2024.
- Sessão Radar AI (22 de junho de 2023): "Aumentando o impacto da ciência de dados com o ChatGPT".
- Encontro de IA Generativa em Atlanta: IA Generativa para Tecnologia Empresarial .
Fontes
- Por que Microsoft, IBM e Google estão intensificando seus esforços em ética de IA , Business Insider.
- A Microsoft investe US$ 1 bilhão na OpenAI para desenvolver inteligência artificial mais inteligente do que nós , Washington Post.
- Fortalecendo a Liderança em IA: Kit de Ferramentas de IA para Executivos de Alto Nível , Fórum Econômico Mundial.
- Desempenho da UE em Ciência, Investigação e Inovação , Comissão Europeia.
- O investimento de 200 mil milhões de euros da UE em IA injeta dinheiro nos centros de dados, mas o mercado de chips continua a ser um desafio , IT Brew.
- Hypatos recebe US$ 11,8 milhões por uma abordagem de aprendizado profundo para processamento de documentos , TechCrunch.
- Conseguimos um olhar exclusivo sobre a apresentação que a startup de IA Hypatos usou para levantar US$ 11 milhões , Business Insider.
Últimos artigos de Cem
Ferramentas de avaliação RAG: Weights & Biases vs Ragas vs DeepEval
Quando um pipeline RAG recupera o contexto errado, o LLM gera, com segurança, a resposta errada. Os avaliadores de relevância contextual são a principal defesa. Avaliamos cinco ferramentas em 1.460 questões e mais de 14.600 contextos avaliados sob condições idênticas: mesmo modelo de avaliação (GPT-4o), configurações padrão e sem prompts personalizados.
Inteligência Artificial Sem Código: Benefícios, Setores e Principais Diferenças
Ferramentas de IA sem código permitem que os usuários criem, treinem ou implementem aplicativos de IA sem escrever código. Essas plataformas geralmente se baseiam em interfaces de arrastar e soltar, instruções em linguagem natural, assistentes de configuração guiados ou construtores visuais de fluxo de trabalho. Essa abordagem reduz a barreira de entrada e torna o desenvolvimento de IA acessível a usuários sem experiência em programação.
Ferramentas e casos de uso para coleta automatizada de dados em
A coleta automatizada de dados utiliza sistemas para reunir, processar e analisar informações de forma eficiente. Como os dados automatizados provêm de múltiplas fontes em diversos formatos, compreender os diferentes tipos e suas origens é essencial para implementá-los com eficácia. O que é automação da coleta de dados? A automação da coleta de dados utiliza softwares, scripts, bots, APIs ou plataformas dedicadas para coletar, organizar e analisar dados.
Oracle Recursos e alternativas do agendador de infraestrutura em nuvem (OCI)
Compare os principais agendadores de Infraestrutura de Nuvem (OCI) classificados por recursos de integração, funcionalidades e preços.
Segurança na Automação de Cargas de Trabalho em: Melhores Práticas e Exemplos
As empresas devem proteger a automação de cargas de trabalho em todos os níveis. As seções a seguir descrevem os principais riscos, as melhores práticas para proteger ambientes de automação e exemplos reais que destacam a importância de uma segurança robusta. Riscos de segurança em sistemas de automação de cargas de trabalho.
Comparação de 7 métodos de agendamento de tarefas em Python
O agendamento de tarefas em Python permite executar tarefas automaticamente em horários ou intervalos específicos, reduzindo o esforço manual e aumentando a confiabilidade. A seguir, apresentamos os diversos métodos de agendamento de tarefas em Python, desde soluções simples até avançadas, juntamente com suas vantagens e desvantagens: Principais Métodos de Agendamento de Tarefas em Python 1.
Prevenção contra perda de dados (DLP): Tipos e 6 desafios
O aumento da mobilidade introduz riscos de perda ou roubo de dados, o que pode levar a graves prejuízos financeiros e danos à reputação das empresas. Um software eficaz de prevenção contra perda de dados (DLP) precisa impedir a movimentação não autorizada de dados privados e informações de identificação pessoal (PII) para limitar os riscos financeiros e de reputação.
Automação de cargas de trabalho na nuvem: principais softwares e casos de uso
As empresas estão aumentando sua flexibilidade e gerenciando custos ao adotar uma estratégia de nuvem híbrida. De acordo com a Statista, os setores aumentaram suas cargas de trabalho na nuvem e registraram um crescimento como resposta à pandemia de COVID-19. Exploramos as diferenças entre a automação de cargas de trabalho em nuvem e em nuvem híbrida, as principais ferramentas e 7 casos de uso da automação de cargas de trabalho em nuvem e em nuvem híbrida.
10 principais práticas recomendadas e estudos de caso de DLP para dispositivos móveis
Os funcionários acessam arquivos, enviam e-mails e usam aplicativos corporativos em dispositivos móveis, como smartphones e tablets, o que cria novos riscos. Os dispositivos móveis frequentemente representam vulnerabilidades para o software DLP devido à sua portabilidade, acesso a sistemas em nuvem e diversos aplicativos.
Compare mais de 50 ferramentas de agentes de IA em
Passamos o último trimestre testando agentes de IA em programação, atendimento ao cliente, vendas, pesquisa e fluxos de trabalho de negócios. Não nos baseamos em marketing de fornecedores, mas usamos essas ferramentas diariamente para ver o que funciona e o que não funciona. A maioria das ferramentas hoje são copilotos, não pilotos automáticos.
Boletim informativo AIMultiple
Receba um e-mail gratuito por semana com as últimas notícias de tecnologia B2B e insights de especialistas para impulsionar o seu negócio.