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
En İyi 30+ Ağ Güvenliği Denetleme Aracı
Ağ güvenliği denetim araçları, ortam genelinde tarama yaparak ve yöneticileri ortaya çıkan tehditler, güvenlik açıkları veya yeni yamalar konusunda uyararak bir ağın güvenliğine ilişkin gerçek zamanlı bilgiler sağlar. İşlevlerinin geniş kapsamı göz önüne alındığında, bu araçlar önemli ölçüde farklılık gösterir.
Yapay Zeka Başarısızlığının 10 Temel Nedeni ve Gerçek Hayattan Örnekler
İster sürücüsüz araç kazası, ister önyargılı bir algoritma, isterse de müşteri hizmetleri sohbet robotunda bir arıza olsun, devreye alınan yapay zeka sistemlerindeki arızalar ciddi sonuçlar doğurabilir ve önemli etik ve toplumsal soruları gündeme getirebilir.
En İyi 10+ Ağ Gözlemlenebilirlik Aracı
Ağ gözlemlenebilirliği, kuruluşlara ağ performansına ilişkin görünürlük sağlayarak altyapı sorunlarının daha hızlı belirlenmesini ve çözülmesini mümkün kılar. Bu kategorideki araçlar, trafik ve cihaz sağlığı genelinde anormallik tespitini otomatikleştirmek için giderek daha fazla yapay zeka kullanmaktadır. En iyi 8 ağ gözlemlenebilirliği aracı * Değerlendirmeler Capterra ve G2'ye dayanmaktadır.
AP Yapay Zeka Uygulamaları ve Araçları, Borçlar Muhasebesi Süreçleri için
Manuel ödeme süreçleri, sahtekarlık riski, veri giriş hataları, gecikmiş onaylar ve harcamalara ilişkin sınırlı görünürlük gibi önlenebilir sorunlar nedeniyle sıklıkla yavaşlar. Yapay zeka destekli ödeme çözümleri, rutin görevleri otomatikleştirerek, doğruluğu artırarak ve ödeme döngüsü boyunca daha net bir gözetim sağlayarak bu sorunları ele alır.
En İyi 15 Veri Toplama Hizmeti
İster insan eliyle toplanmış veri kümelerine, ister büyük ölçekli web verilerine veya pazar içgörülerine ihtiyacınız olsun, projeniz için doğru veri kaynağını bulmak üzere aşağıdaki seçenekleri inceleyin. En İyi 15 Yapay Zeka Veri Toplama Hizmeti Web veri toplama ve sentetik veri üretiminin verimliliğine rağmen, insan tarafından üretilen veriler yapay zeka geliştirme için vazgeçilmez olmaya devam etmektedir.
GPT-5: En İyi Özellikler, Fiyatlandırma ve Erişilebilirlik
En yeni ve en gelişmiş dil modellerinden biri olan GPT-5.2'ye sahibiz. GPT-4 ile GPT-5 karşılaştırması: Aşağıdaki etkileşimli karşılaştırma, GPT-5'nin mimari, performans ve fiyatlandırma açısından GPT-4'ten nasıl farklı olduğunu gösteriyor.
Konuşma Tanıma Alanındaki En Önemli 7 Zorluk ve Çözümler
Konuşma tanıma sistemleri (KÖS), sesli asistanları, transkripsiyon araçlarını ve müşteri hizmetleri otomasyonunu destekler. Konuşma tanıma, verimliliği ve kullanıcı deneyimini iyileştirse de, doğru çözümü seçmek zorlayıcıdır. Başlıca sorular arasında gürültülü ortamlardaki doğruluğu, özel terimleri ve aksanları ele alma yeteneği, hız ve güvenilirlik arasındaki denge ve gizlilik ve halüsinasyon risklerine yaklaşım yer almaktadır.
En İyi 7 Açık Kaynaklı Vektör Veritabanı: Faiss ve Chroma Karşılaştırması
Yapay zekâ ajanları ve modelleri giderek daha çok yüksek boyutlu veri alımına bağımlı hale geldikçe, kurumsal dağıtım için açık kaynaklı bir vektör veritabanı seçimi kritik önem kazanıyor.
Watsonx'ın En İyi 5 Rakibi IBM
İşletmeler, müşteri sorularını büyük ölçekte yanıtlamak ve bekleme sürelerini azaltmak için konuşma tabanlı yapay zekayı kullanıyor. Watsonx Asistanı bu alandaki en köklü çözümlerden biri olsa da, her ekip için her zaman en uygun çözüm olmayabilir. Şirket büyüklüğü, bütçe kısıtlamaları ve teknik kaynaklar gibi faktörler, doğru seçim olup olmadığını etkileyebilir.
in 2026'te 45'ten fazla MLOps aracını karşılaştırın
Makine Öğrenimi Operasyonları (MLOps), model dağıtımından bakıma kadar makine öğrenimine DevOps prensiplerini getirerek eğitim ve dağıtım süreçleri arasındaki geçişleri otomatikleştirir.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.