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
40'tan Fazla Gerçek Hayat Örneğiyle Yapay Zekanın Ajan Tabanlı Kullanım Alanı
Otonom üretken yapay zeka ajanları, çok az veya hiç insan gözetimi olmadan karmaşık görevleri yerine getirir. Ajan tabanlı yapay zeka, sohbet botlarından ve yardımcı pilotlardan farklıdır. Özellikle karmaşık iş akışlarında genellikle insan müdahalesi gerektiren geleneksel yapay zekanın, özellikle de üretken yapay zekanın aksine, ajan tabanlı yapay zeka, karar verme yetenekleri ve hedef odaklı davranışı sayesinde süreçleri otonom olarak yönlendirmeyi ve optimize etmeyi amaçlar.
2026 Yılında En İyi 14 Saldırı Tespit ve Önleme Aracı
Özünde, saldırı tespit ve önleme sistemleri (IDPS), ağları tehditlere karşı izler, yöneticileri uyarır ve potansiyel saldırıları önler. Daha önce yapay zeka destekli IPS çözümlerinin gerçek hayattaki kullanım örneklerini açıklamıştık.
Çoklu Ajan Çerçeveleri Kıyaslaması: Zorluklar ve Güçlü Yönler
Çoklu ajan sistemleri, karmaşık görevleri çözmek için birlikte çalışan uzmanlaşmış ajanlar kullanır. Temel zorluk şudur: Daha fazla ajan ve araç eklendikçe performans düşer mi, yoksa orkestrasyon mekanizmaları artan karmaşıklığı verimli bir şekilde yönetebilir mi? Üç görevle 750 çalıştırma üzerinden 5 ajan tabanlı çerçeveyi kıyasladık. Hangisinin daha iyi performans gösterdiğini belirlemek için gecikmeyi, belirteç tüketimini ve orkestrasyon yükünü ölçtük.
En İyi 7 WAN İzleme Yazılımı
Geniş alan ağlarında bant genişliği izleme ve trafik analizinin yanı sıra ağ cihazlarının, sunucuların, uygulamaların ve altyapının gerçek zamanlı takibini sunan WAN izleme yazılımlarını seçtik. Popüler WAN izleme yazılımlarının karşılaştırmasına bakın: Seçim kriterleri Bu kriterleri karşılayan WAN izleme araçlarını seçtik: En İyi 7 WAN İzleme Yazılımı 1.
RAG Değerlendirme Araçları: Weights & Biases vs Ragas vs DeepEval
Bir RAG işlem hattı yanlış bağlamı aldığında, LLM güvenle yanlış cevabı üretir. Bağlam alaka düzeyi puanlayıcıları birincil savunma mekanizmasıdır. Aynı koşullar altında 1.460 soru ve 14.600'den fazla puanlanmış bağlam üzerinden beş aracı karşılaştırdık: aynı yargıç modeli (GPT-4o), varsayılan yapılandırmalar ve özel istemler yok.
Kodsuz Yapay Zeka: Faydaları, Sektörleri ve Temel Farklılıkları
Kodsuz yapay zeka araçları, kullanıcıların kod yazmadan yapay zeka uygulamaları oluşturmasına, eğitmesine veya dağıtmasına olanak tanır. Bu platformlar genellikle sürükle-bırak arayüzlerine, doğal dil istemlerine, yönlendirmeli kurulum sihirbazlarına veya görsel iş akışı oluşturucularına dayanır. Bu yaklaşım, giriş engelini düşürür ve programlama geçmişi olmayan kullanıcılar için yapay zeka geliştirmeyi erişilebilir hale getirir.
2026 Yılında Otomatik Veri Toplama Araçları ve Kullanım Alanları
Otomatik veri toplama, bilgileri verimli bir şekilde toplamak, işlemek ve analiz etmek için sistemler kullanır. Otomatik veriler çeşitli formatlarda birden fazla kaynaktan geldiği için, farklı türlerini ve kökenlerini anlamak, etkili bir şekilde uygulanması için çok önemlidir. Veri toplama otomasyonu nedir? Veri toplama otomasyonu, bilgileri toplamak, düzenlemek ve analiz etmek için teknoloji yazılım komut dosyaları, botlar, API'ler veya özel platformlar kullanır.
Azure Logic Apps 2026'da: 7 Gerçek Hayat Kullanım Örneği
İşletmeler, eski ve bulut sistemleri arasında entegrasyon zorluklarıyla karşı karşıyadır. Azure Logic Apps, çoklu aracı iş akışları ve Foundry Agent Service gibi Azure AI hizmetlerine bağlantı da dahil olmak üzere, yapay zeka destekli otomasyon ve akıllı orkestrasyon için entegre bir platform sunar. Azure Logic Apps çeşitli hizmetler sunduğundan, kullanıcılar hangisini ne zaman kullanacakları konusunda kafa karışıklığı yaşayabilirler.
Oracle Bulut Altyapısı (OCI) Zamanlayıcı Özellikleri ve Alternatifleri
En iyi Oracle Bulut Altyapısı (OCI) zamanlayıcılarını entegrasyon yetenekleri, özellikleri ve fiyatlandırmasına göre sıralanmış olarak karşılaştırın. Gerekçemizi görmek için aşağıdaki bağlantıları takip edin: Yerel Oracle Veritabanı ve OCI zamanlayıcıları Diğer markalardan alternatif zamanlayıcılar: Oracle Veritabanı ve Oracle Bulut Altyapısı Zamanlayıcıları Oracle Zamanlayıcı (DBMS_SCHEDULER) Oracle Zamanlayıcı, doğrudan içine yerleştirilmiş yerel iş zamanlama motorudur.
2026'da İş Yükü Otomasyonu Güvenliği: En İyi Uygulamalar ve Örnekler
İşletmeler, iş yükü otomasyonunu her seviyede güvence altına almalıdır. Aşağıdaki bölümler, temel riskleri, otomasyon ortamlarını güvence altına almak için en iyi uygulamaları ve sağlam güvenliğin önemini vurgulayan gerçek dünya örneklerini özetlemektedir.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.