Hizmetler
Bize Ulaşın
Cem Dilmegani

Cem Dilmegani

Baş Analist
305 Makale
B2B Teknolojisinde Güncel Kalın
Cem, neredeyse on yıldır AIMultiple'da baş analist olarak görev yapmaktadır. Cem'in AIMultiple'daki çalışmaları, Business Insider, Forbes, Morning Brew, Washington Post gibi önde gelen küresel yayınlar, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslararası kuruluşlar tarafından alıntılandı. [1], [2], [3], [4], [5]

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

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

  1. Microsoft, IBM ve Google'ın Yapay Zeka Etiği Konusundaki Çabalarını Artırmasının Nedenleri , Business Insider.
  2. Microsoft, bizden daha akıllı yapay zekâ geliştirmek için OpenAI'ye 1 milyar dolar yatırım yapıyor , Washington Post.
  3. Yapay Zeka Liderliğini Güçlendirme: Yapay Zeka Üst Düzey Yönetici Araç Seti , Dünya Ekonomik Forumu.
  4. AB'nin Bilim, Araştırma ve İnovasyon Performansı , Avrupa Komisyonu.
  5. AB'nin 200 milyar avroluk yapay zeka yatırımı, veri merkezlerine nakit akışını artırıyor ancak çip pazarı hâlâ bir zorluk teşkil ediyor , IT Brew.
  6. TechCrunch'ın haberine göre, Hypatos belge işleme için derin öğrenme yaklaşımına yönelik 11,8 milyon dolarlık yatırım aldı .
  7. 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

Yapay Zeka
Özellik Karşılaştırması
30 Haz

GPU Yapay Zeka için Yazılım: CUDA vs. ROCm

Ham donanım özellikleri, GPU hesaplamasında hikayenin sadece yarısını anlatır. Gerçek dünya AI performansını ölçmek için, çoklu-GPU ve yüksek eşzamanlılık senaryolarında AMD’nin MI300X'ini NVIDIA’nın H100, H200 ve B200 modelleriyle karşılaştıran 52 farklı test yürüttük. AMD’nin MI300X'ı, NVIDIA’nın H100/H200'üne kıyasla 990 TFLOPS'a karşı 1.307 TFLOPS iddia etse de, %32'lik teorik bir avantaja sahip olsa da, gerçek dünya…

Yapay Zeka
Açık Dünya Değerlendirmesi
30 Haz

En İyi 8 Açık Kaynak Yapay Zeka Kodlama Ajanı

Önceki değerlendirmelerde, hem açık kaynaklı hem de özel Ajan Tabanlı CLI'leri kıyasladık, web geliştirme görevlerindeki performanslarına odaklandık ve bazı açık kaynak ajanlar ücretli seçenekler kadar başarılı oldu. Bu nedenle, gizlilik endişeleri olan kullanıcılar için en iyi açık kaynak kodlama ajanlarını da listeledik. Metodoloji için yapay zeka kodlama kıyaslamasına bakın. Bu araçlar hakkında daha fazla ayrıntı…

Kurumsal Yazılım
İçgörü
30 Haz

10 Python İş Zamanlama Yöntemini Karşılaştırın

Python iş zamanlama, katı yürütme zaman çizelgelerini uygulamak, çalışma zamanı istisnalarını yakalamak ve manuel müdahale olmadan sistem durumu tutarlılığını sağlamak için görevleri belirli aralıklarla otomatikleştirir. İşte Python'daki çeşitli iş zamanlama yöntemleri ve avantajları ile dezavantajları: Cron, Unix/Linux'ta yerleşik bir zamanlayıcıdır ve belirli zamanlarda betikleri çalıştırır. Python dışındaki işleri zamanlamak için faydalıdır. Örnek crontab girdisi: Programatik…

Veri
İçgörü
29 Haz

En İyi 25+ Sentetik Veri Kullanım Alanı

Sentetik veri, derin öğrenme ve üretken yapay zeka (GenAI) dahil olmak üzere makine öğrenimi gibi sektörler arasında yaygın bir popülerlik ve uygulanabilirlik kazanmaktadır. Sentetik veri, veri gizliliği endişeleri ve sınırlı veri kümesi boyutları gibi zorluklara çözümler sunar. 2030 yılına kadar yapay zeka modellerinde gerçek veri yerine sentetik verinin tercih edileceği tahmin edilmektedir.1 Farklı sektörler ve…

Yapay Zeka
Kıyaslama
29 Haz

RAG Çerçeveleri: LangChain vs LangGraph vs LlamaIndex

Aynı agentic RAG iş akışını standartlaştırılmış bileşenlerle oluşturarak 5 RAG çerçevesini karşılaştırdık: LangChain, LangGraph, LlamaIndex, Haystack ve DSPy: özdeş modeller (GPT-4.1-mini), embedding'ler (BGE-small), alıcı (Qdrant) ve araçlar (Tavily web araması). Bu, her bir çerçevenin gerçek ek yükünü ve token verimliliğini yalıtır. Karşılaştırma 100 sorgudan oluşuyordu, her bir çerçeve kararlı ortalamalar sağlamak için tam seti 100…

Kurumsal Yazılım
İçgörü
29 Haz

Python RPA: Geliştiriciler için 8 Kullanım Alanı

Robotik süreç otomasyonu (RPA), yazılım robotlarının tekrarlayan bilgisayar görevlerini yerine getirmesini sağlar. Python, geliştiricilere bu robotları kodla oluşturmanın esnek bir yolunu sunar. Küresel RPA pazarı 2025'te yaklaşık USD 28 milyar seviyesindedir ve 2035'e kadar yaklaşık USD 247 milyara ulaşması öngörülmektedir.1 Ancak RPA projelerinin %30 ile %50'si başarısız olur, bunun nedeni genellikle katı, tıklama tabanlı botların…

Siber Güvenlik
İçgörü
29 Haz

Veri Kaybı Önleme (DLP): Türleri ve 6 Zorluk

Artan mobilite, şirketler için ciddi mali kayıplara ve itibar zedelenmesine yol açabilecek veri kaybı veya hırsızlığı risklerini beraberinde getirir. Etkili Veri kaybı önleme (DLP) yazılımı, özel verilerin ve kişisel olarak tanımlanabilir bilgilerin (PII) yetkisiz hareketini engelleyerek itibar ve mali riski sınırlamalıdır. DLP temellerini, kuruluşların DLP çözümlerini uygularken karşılaştığı zorlukları ve bu engelleri aşmak için uygulanabilir…

Yapay Zeka
İçgörü
29 Haz

En İyi Uygulamalarla Test Otomasyonu Dokümantasyonu

Test otomasyonu, yazılım testi ve geliştirmede uygulamaların kalitesini ve güvenilirliğini sağlamak için hayati öneme sahiptir. İşletmeler ve QA ekipleri, manuel testten otomasyon testine geçiş yapmaktadır çünkü bu: Sıklıkla göz ardı edilen şey, etkili dokümantasyonun test otomasyonunun faydalarını en üst düzeye çıkarmadaki rolüdür. Test otomasyonu dokümantasyonunun önemini, temel bileşenlerini ve yeterli dokümantasyon oluşturma ve sürdürmeye yönelik…

Siber Güvenlik
Açık Dünya Değerlendirmesi
29 Haz

En İyi 7 Açık Kaynak DLP Yazılımı

Açık kaynak DLP yazılımı veri koruması için uygun çözümler sunsa da, daha büyük işletmeler gelişmiş merkezi anahtar yönetimi ve bulut tabanlı dağıtım seçenekleri için genellikle kapalı kaynak DLP yazılımına yönelir. Aşağıda, algılama doğruluğu, dağıtım karmaşıklığı ve topluluk desteğine göre değerlendirilen en iyi beş açık kaynak DLP aracı bulunmaktadır. Dahil edilme kriterleri: Son 6 ay içerisinde…

Yapay Zeka
Özellik Karşılaştırması
29 Haz

Sağlık Hizmetlerinde 9 Büyük Dil Modelini Karşılaştırın

USMLE sorularından türetilen lisansüstü düzeyde bir klinik sınav benchmark'ı olan MedQA dataset'ini kullanarak 9 LLM'leri benchmark'a tabi tuttuk. Her model, doğruluğun doğrudan karşılaştırılmasını sağlamak için standartlaştırılmış bir prompt kullanarak aynı çoktan seçmeli klinik senaryoları yanıtladı. Ayrıca, toplam çalışma süresini tamamlanan MedQA maddelerinin sayısına bölerek soru başına gecikme süresini kaydettik. Benchmark metodolojisi: Bu benchmark, sağlık hizmetleri…