Cem Dilmegani
Mesleki deneyim ve başarılar
Cem, kariyeri boyunca teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yaptı. On yıldan uzun bir süre boyunca McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararları konusunda danışmanlık yaptı. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayınladı. Bir telekom şirketinin CEO'suna bağlı olarak teknoloji stratejisi ve tedarikini yönetti. Ayrıca, 2 yıl içinde 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetti. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınlarında yer aldı. [6], [7]Araştırma ilgi alanları
Cem'in çalışmaları, işletmelerin yapay zeka, ajan tabanlı yapay zeka, siber güvenlik (ağ güvenliği, uygulama güvenliği dahil) ve web verileri de dahil olmak üzere verilerdeki yeni teknolojilerden nasıl yararlanabileceğine odaklanmaktadır. Cem'in uygulamalı kurumsal yazılım deneyimi çalışmalarına katkıda bulunmaktadır. Diğer AIMultiple sektör analistleri ve teknoloji ekibi, Cem'e kıyaslama testlerinin tasarlanması, yürütülmesi ve değerlendirilmesinde destek vermektedir.Eğitim
Cem, 2007 yılında Boğaziçi Üniversitesi'nden bilgisayar mühendisliği bölümünden mezun oldu. Mühendislik eğitimi sırasında, o dönemde yaygın olarak "veri madenciliği" olarak adlandırılan ve çoğu sinir ağının birkaç gizli katmana sahip olduğu bir dönemde makine öğrenmesi üzerine çalıştı. 2012 yılında Columbia İşletme Okulu'ndan MBA derecesi aldı. Cem, İngilizce ve Türkçe dillerini akıcı bir şekilde konuşmaktadır. Almanca'da ileri düzeyde, Fransızca'da ise başlangıç düzeyindedir.Dış yayınlar
- Cem Dilmegani, Yapay Zeka Sonrası Bankacılık: Bankalar temel işlevlerini otomatikleştirirken milyonlarca iş risk altında . International Banker.
- Cem Dilmegani, Bengi Korkmaz ve Martin Lundqvist (1 Aralık 2014). Kamu sektörünün dijitalleşmesi: Trilyon dolarlık meydan okuma , McKinsey & Company.
Medya, konferans ve diğer etkinlik sunumları
- Korea24'ün yapay zekâ nedeniyle yaşanan iş kayıplarına ilişkin sorularına verilen yanıtlar, Korea24
- Gayrimenkul ve Teknoloji , Hofstra Üniversitesi Wilbur F. Breslin Gayrimenkul Çalışmaları Merkezi ve Frank G. Zarb İşletme Okulu tarafından 2023 ve 2024 yıllarında sunulmuştur.
- Radar AI oturumu (22 Haziran 2023): "ChatGPT ile Veri Biliminin Etkisini Artırma".
- Atlanta'da Üretken Yapay Zeka Buluşması: Kurumsal Teknoloji için Üretken Yapay Zeka .
Kaynaklar
- Microsoft, IBM ve Google'ın Yapay Zeka Etiği Konusundaki Çabalarını Artırmasının Nedenleri , Business Insider.
- Microsoft, bizden daha akıllı yapay zekâ geliştirmek için OpenAI'ye 1 milyar dolar yatırım yapıyor , Washington Post.
- Yapay Zeka Liderliğini Güçlendirme: Yapay Zeka Üst Düzey Yönetici Araç Seti , Dünya Ekonomik Forumu.
- AB'nin Bilim, Araştırma ve İnovasyon Performansı , Avrupa Komisyonu.
- AB'nin 200 milyar avroluk yapay zeka yatırımı, veri merkezlerine nakit akışını artırıyor ancak çip pazarı hâlâ bir zorluk teşkil ediyor , IT Brew.
- TechCrunch'ın haberine göre, Hypatos belge işleme için derin öğrenme yaklaşımına yönelik 11,8 milyon dolarlık yatırım aldı .
- Business Insider , yapay zeka girişim şirketi Hypatos'un 11 milyon dolar yatırım almak için kullandığı sunum dosyasına özel bir bakış sundu .
Cem Tarafından Son Makaleler
Büyük Boy Aksiyon Figürleri: Abartı mı, Gerçek mi?
Mobil uygulamaları kullanabilen bir yapay zeka cihazı olan Rabbit'in piyasaya sürülmesinin ardından, büyük eylem modelleri (LAM'ler) terimi popüler hale geliyor. Bu modeller, büyük ölçekli modelleri (LLM'ler) kullanıcıların uygulamalara tıklamasına veya bir API entegre etmesine gerek kalmadan, birbirinden ayrı, uygulama odaklı dünyayı birbirine bağlayabilen "ajanlar"a dönüştürerek konuşmanın ötesine geçiyor. [...
'da Piyasaya Sürülecek 20 Chatbot Şirketi
Piyasada 200'den fazla chatbot platformu varken, seçim yapmak kolay değil. Doğru tedarikçi üç şeye bağlıdır: ekibinizin nasıl geliştirmek istediği (sürükle-bırak mı yoksa kod mu), hangi sistemlere bağlanmanız gerektiği ve gerçekte ne kadar konuşma hacmiyle ilgilendiğiniz. Üretim uygulamaları oluşturmak için en yaygın kullanılan 20 chatbot platformunu karşılaştırdık.
SCADA Systems: Comparison of Top 10 SCADA Software
Supervisory Control and Data Acquisition (SCADA) systems form the operational backbone of industrial infrastructure. But choosing a platform is a long-term commitment. These systems often run for 10 to 20 years, and the full cost of owning one is high. This makes the choice hard to reverse.
Geliştirilmesi Gereken En İyi 30+ Endüstriyel Yapay Zeka Ajanı
Endüstriyel yapay zeka ajanları, IoT, kontrol sistemleri (örneğin SCADA) ve bağlı varlıklardan eyleme geçirilebilir içgörüler elde ederek ve bunları otonom olarak entegre ederek, birbirinden ayrı veri kümelerinin sınırlamalarını ele almaktadır.
Yılının En İyi 12+ Android Emülatörü
Android emülatörleri, Android uygulamalarını ve oyunlarını PC, Mac ve tarayıcılarda çalıştırmanıza olanak tanır. Farklı emülatörler farklı kullanım durumlarında üstün performans gösterir. Aşağıda, oyunlardan uygulama geliştirmeye, güvenlik testine ve günlük Android uygulama kullanımına kadar güçlü yönlerine göre kategorize edilmiş en iyi Android emülatörlerinin bir listesi bulunmaktadır.
NinjaOne Dahil En İyi 12 Yama Yönetim Yazılımı
Yama uygulanmamış sistemler, saldırganlar için kolay hedeftir. Tek bir eski sunucu veya unutulmuş iş istasyonu giriş noktası haline gelir. Yama yönetim yazılımı, güvenlik açıkları ihlale dönüşmeden önce güncellemeleri bulma, test etme ve dağıtma sürecini otomatikleştirir.
En Verimli 3 Alternatif
Prolific, yapay zeka verisi arayanlar için kitlesel kaynak platformu sunan popüler bir yapay zeka veri toplama hizmetidir. Araştırmamız, Prolific ile çalışmanın müşterileri ve çalışanları açısından bazı dezavantajlarını ortaya koymuştur.
Büyük Çok Modlu Modeller (LMM'ler) ve Büyük Çok Modlu Modeller (LLM'ler)
Özenle seçilmiş bir veri kümesi kullanarak, Büyük Çok Modlu Modellerin (LMM'ler) finansal akıl yürütme görevlerindeki performansını değerlendirdik. Yüksek kaliteli finansal örneklerin bir alt kümesini analiz ederek, modellerin finansal alanda çok modlu verilerle işlem yapma ve akıl yürütme yeteneklerini değerlendirdik. Metodoloji bölümü, kullanılan veri kümesi ve değerlendirme çerçevesine ilişkin ayrıntılı bilgiler sunmaktadır.
Tablo Modelleri Performans Testi: 19 Veri Kümesi Üzerinde Performans
Yaklaşık 260.000 örnek ve 250'den fazla özellik içeren, 435 ila yaklaşık 49.000 satır arasında değişen veri küme boyutlarına sahip 19 gerçek dünya veri kümesi üzerinde, yaygın olarak kullanılan 7 tablo tabanlı öğrenme modelini karşılaştırmalı olarak değerlendirdik. Amacımız, tipik bir kurumsal ortamı oluşturan farklı boyut ve yapıdaki (örneğin sayısal ve kategorik) veri kümeleri için en iyi performans gösteren model ailelerini anlamaktı.
'te Büyük Ölçekli Dil Modellerinin Değerlendirilmesi: 10+ Ölçüt ve Yöntem
Büyük Dil Modeli değerlendirmesi (yani LLM değerlendirmesi), büyük dil modellerinin (LLM'ler) çok boyutlu değerlendirmesidir. Etkin değerlendirme, LLM'lerin seçimi ve optimizasyonu için çok önemlidir. İşletmelerin aralarından seçim yapabileceği bir dizi temel model ve bunların varyasyonları vardır, ancak kesin performans ölçümü olmadan başarıya ulaşmak belirsizdir.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.