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
Melhores 12+ Emuladores Android
Android emulators let you run Android apps and games on PC, Mac, and browsers. Different emulators excel in different use cases. Below is a list of the top Android emulators categorized by their strengths from gaming to app development, security testing, and everyday Android app usage.
7 Úteis Estratégias de Transformação de IA
AI transformation is the next phase of digital transformation. Businesses are willing to invest in AI technologies to stay ahead of competitors. Digital transformation is a prerequisite for companies to initiate their AI transformation, as digital data is essential for AI training, and digital processes are typically required to deploy AI solutions.
Principais 12 Softwares de Gerenciamento de Patch Incluindo NinjaOne
Unpatched systems are low-hanging fruit for attackers. A single outdated server or forgotten workstation becomes an entry point. Patch management software automates the process of finding, testing, and deploying updates before vulnerabilities turn into breaches.
Top 3 Alternativas Prolific
We analyzed Prolific’s top alternatives by comparing participant ratings, crowd size, payment terms, and verified platform data. The right alternative depends on whether you’re a worker looking for tasks or a research buyer looking for data the tradeoffs differ significantly between the two.
Modelos Multimodais Grandes (LMMs) vs LLMs
We evaluated the performance of Large Multimodal Models (LMMs) in financial reasoning tasks using a carefully selected dataset. By analyzing a subset of high-quality financial samples, we assess the models’ capabilities in processing and reasoning with multimodal data in the financial domain. The methodology section provides detailed insights into the dataset and evaluation framework employed.
Benchmark de Modelos Tabulares: Desempenho em 19 Conjuntos de Dados
We benchmarked 7 widely used tabular learning models across 19 real-world datasets, covering ~260,000 samples and over 250 total features, with dataset sizes ranging from 435 to nearly 49,000 rows. Our goal was to understand top-performing model families for datasets of different sizes and structure (e.g. numeric vs.
Avaliação de Modelo de Linguagem Grande: 10+ Métricas & Métodos
Large Language Model evaluation (i.e. LLM eval) is the multidimensional assessment of large language models (LLMs). Effective evaluation is crucial for selecting and optimizing LLMs. Enterprises have a range of base models and their variations to choose from, but achieving success is uncertain without precise performance measurement.
Referencial de LLM Agente: Principais Modelos Comparados
We benchmarked the top LLMs across 10 software development tasks by using an agentic CLI tool. We executed ~3,500 automated validation steps per model across both API and UI layers. Agentic LLM benchmark results Success rate comparison Each alias ran 3 times across 10 tasks (30 samples per alias, 230 cells per iteration).
Desempenho de Agentes de IA: Taxas de Sucesso & ROI
Recent research reveals that AI performance follows predictable exponential decay patterns, enabling businesses to forecast capabilities and differentiate between costly failures and successful ROI-generating implementations. I oversaw 12 AIMultiple benchmarks, including nearly 70 AI agents across more than 1,000 tasks.
Armadilhas de Agentes de IA: 20 Incidentes da Vida Real
AI agent adoption has outpaced AI agent security: 82% of enterprises now deploy agents, but only 44% have policies to secure them, and one in five organizations has already experienced an agent-related breach.
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.