Cem Dilmegani
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 uluslarüstü kuruluşlar tarafından alıntılanmıştır. [1], [2], [3], [4], [5]
Profesyonel deneyim & başarılar
Cem, kariyeri boyunca teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımlamıştır.CEO'ya rapor verirken bir telekomünikasyon şirketinin teknoloji stratejisini ve satın alımını yönetmiştir. Ayrıca, 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alınmıştır. [6], [7]
Araştırma ilgi alanları
Cem'in çalışmaları kurumsal yapay zeka ve yazılıma odaklanmaktadır.Cem'in uygulamalı kurumsal yazılım deneyimi, çalışmalarına katkıda bulunmaktadır. Diğer AIMultiple endüstri analistleri ve teknoloji ekibi, kıyaslamaların tasarlanması, yürütülmesi ve değerlendirilmesinde Cem'i desteklemektedir.
Eğitim
2007 yılında Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun olmuştur. Mühendislik eğitimi sırasında, o dönemde yaygın olarak "veri madenciliği" olarak adlandırılan ve çoğu sinir ağının birkaç gizli katmana sahip olduğu bir zamanda makine öğrenimi üzerine çalışmıştır.2012 yılında Columbia Business School'dan MBA derecesine sahiptir.
Cem, İngilizce ve Türkçe'yi akıcı bir şekilde konuşabilmektedir. Almanca'da ileri seviyede, Fransızca'da başlangıç seviyesindedir.
Dış yayınlar
- Cem Dilmegani, Yapay Zeka Sonrası Bankacılık: Bankalar temel işlevlerini otomatikleştirdikçe milyonlarca iş risk altında. International Banker.
- Cem Dilmegani, Bengi Korkmaz ve Martin Lundqvist (1 Aralık 2014). Kamu sektörü dijitalleşmesi: Trilyon dolarlık zorluk, McKinsey & Company.
Medya, konferans & diğer etkinlik sunumları
- 25 Nisan 2026'da Court Lewis'in AGI hakkındaki sorularını yanıtlayarak American Variety Radio'da konuk oldu.
- 5 Kasım 2025'te Korea24'ün yapay zeka nedeniyle iş kaybı hakkındaki sorularını yanıtladı. Kayıt şu adreste mevcuttur: Korea24
- 2023 ve 2024 yıllarında Hofstra Üniversitesi Wilbur F. Breslin Gayrimenkul Çalışmaları Merkezi ve Frank G. Zarb İşletme Fakültesi tarafından sunulan Gayrimenkul ve Teknoloji.
- Radar AI oturumu (22 Haziran 2023): "ChatGPT ile Veri Bilimi Etkisini Artırma".
- Generative AI Atlanta buluşması: Kurumsal Teknoloji için Üretken Yapay Zeka.
Kaynaklar
- Microsoft, IBM ve Google Neden Yapay Zeka Etiği Konusunda Çabalarını Artırıyor, Business Insider.
- Microsoft, bizden daha zeki yapay zeka geliştirmek için OpenAI'ye 1 milyar dolar yatırım yapıyor, Washington Post.
- Yapay Zeka Liderliğini Güçlendirme: Yapay Zeka C-Suite Araç Kiti, Dünya Ekonomik Forumu.
- AB'nin Bilim, Araştırma ve Yenilik Performansı, Avrupa Komisyonu.
- AB'nin 200 milyar €'luk yapay zeka yatırımı veri merkezlerine nakit akıtıyor, ancak çip piyasası zorluk olmaya devam ediyor, IT Brew.
- Hypatos, belge işlemeye derin öğrenme yaklaşımı için 11,8 milyon dolar aldı, TechCrunch.
- Yapay zeka girişimi Hypatos'un 11 milyon dolar toplamak için kullandığı sunum destesine özel erişim sağladık, Business Insider.
Cem Tarafından Son Makaleler
Tabular Model Karşılaştırması: 19 Veri Kümesinde Performans
8 tablosal öğrenme modelini, yaklaşık 260.000 örnek içeren 19 gerçek dünya veri kümesi üzerinde karşılaştırdık; veri kümesi boyutları 435 ile 48.800 satır arasında değişiyor. Her model aynı makinede 5 katlı çapraz doğrulama ve aynı bölmelerle çalıştırıldı. Her veri kümesi, birincil metriğe göre belirlenen modeller arası birebir karşılaşmalardan oluşan bir turnuva formatındadır. Elo, model başına 483…
Öne Çıkan YZ Özellikleriyle En İyi 3 MFT Platformu
Müşteri incelemeleri, protokol desteği ve belgelenmiş YZ yeteneklerine dayanarak YZ MFT satıcılarını analiz ettik. Odak noktası, teknik ekiplerin ürün sayfaları, dokümantasyon ve pazar yeri listeleri üzerinden doğrulayabileceği özelliklerdir. Redwood Tarafından JSCAPE, MFT'de YZ'ya SLA öncelikli bir yaklaşım benimser; tahminli SLA izlemeyi ve erken uyarı uyarılarını vurgular. Artılar Eksiler IBM Sterling MFT, anomali tespiti için İşlem…
En İyi Kodsuz ML Platformları: ChatGPT Alternatifleri
3 kodsuz makine öğrenimi platformunu temel metrikler açısından kıyasladık: veri işleme (eksik değerleri, aykırı değerleri ele alma), model kurulumu ve kullanım kolaylığı, doğruluk metrikleri çıktısı, görselleştirmelerin kullanılabilirliği ve test sırasında gözlemlenen önemli kısıtlamalar veya notlar. Not: Puanlar, geçerli olduğu durumlarda kNN ve Lojistik Regresyon genelindeki ortalama performansı temsil eder. Sonuçlar veri kümesi karmaşıklığına bağlı olarak…
Özelliklere Göre En İyi 4 Açık Kaynak NGFW'nin Analizi
NGFW'leri, yapay zeka destekli güvenliği ve otomasyonu kullanan ekipler, geleneksel araçları kullananlara göre yaklaşık 2M dolar daha fazla tasarruf sağlar. Kapsamlı güvenlik için uygun maliyetli bir ağ güvenliği çözümü olarak açık kaynak NGFW'yi görün: Tablo 1. Temel özellikler Açık kaynak NGFW'lerin temel özelliklerinin ayrıntıları ve önemi için ngfw özelliklerine bakın. Tablo 2. Pazar varlığı *Lider…
En İyi 10 Ses Tanıma Aracı ve Uygulamaları
Alexa, Cortana veya Siri gibi sanal asistanları kullandıysanız, muhtemelen ses tanıma ve konuşmalı yapay zekaya aşinasınızdır. Bu teknoloji, kullanıcıların sözlü komutlarla cihazlarla etkileşime girmesini sağlar; konuşulan sorguları makine tarafından okunabilir metne dönüştürerek. Sesli arama, müşteri hizmetleri, sağlık hizmetleri ve diğer alanlarda ses tanıma teknolojisinin en önemli 10 kullanımını keşfedin. Sesli arama, kullanıcıların yazmak yerine konuşarak…
Kodsuz Yapay Zeka: Faydaları, Sektörler ve Temel Farklar
Kodsuz yapay zeka araçları, kullanıcıların kod yazmadan yapay zeka uygulamaları oluşturmasına, eğitmesine veya dağıtmasına olanak tanır. Bu platformlar genellikle sürükle-bırak arayüzlerine, doğal dil komutlarına, rehberli kurulum sihirbazlarına veya görsel iş akışı oluşturuculara dayanır. Bu yaklaşım, giriş engelini düşürür ve yapay zeka geliştirmeyi programlama geçmişi olmayan kullanıcılar için erişilebilir hale getirir. Son zamanlarda, kodsuz yapay zeka…
RAG Değerlendirme Araçları: Weights & Biases vs Ragas vs DeepEval
Bir RAG pipeline'ı yanlış bağlamı getirdiğinde, LLM yanlış cevabı kendinden emin bir şekilde üretir. Bağlam uygunluk skorlayıcıları birincil savunmadır. Aynı koşullar altında 1.460 soru ve 14.600'den fazla skorlanmış bağlam üzerinden beş aracı kıyasladık: aynı yargıç modeli (GPT-4o), varsayılan yapılandırmalar ve özel prompt'lar yok. Standart koşullar altında WandB, TruLens ve Ragas en iyi performans gösterenler olarak…
Konuşmadan Metne Karşılaştırması: Deepgram vs. Whisper
Önde gelen konuşmadan metne (STT) sağlayıcılarını, özellikle sağlık hizmetleri uygulamalarına odaklanarak karşılaştırdık. Karşılaştırmamız, tıbbi bağlamlarda transkripsiyon doğruluğunu değerlendirmek için gerçek dünya örnekleri kullandı; bu bağlamlarda hassasiyet kritik önem taşır. Kelime hata oranı (WER) ve karakter hata oranı (CER) sonuçlarına dayanarak, GPT-4o-transcribe, değerlendirilen tüm konuşmadan metne sistemleri arasında en yüksek transkripsiyon doğruluğunu göstermektedir. Deepgram Nova-v3 ve…
Uzak Tarayıcılar: Yapay Zeka Ajanları için Web Altyapısı Karşılaştırması
Yapay zeka ajanları, web görevlerini anti-scraping önlemleri tarafından engellenmeden otomatikleştirmek için uzak tarayıcılara güvenir. Bu tarayıcı altyapısının performansı, bir ajanın başarısı için kritik öneme sahiptir. 8 sağlayıcıyı başarı oranı, hız ve özellikler açısından kıyasladık. Bunu yapmak için, her hizmet için 4 farklı senaryoyu 5 kez çalıştırarak 160 otomatik görevi gerçekleştirdik ve gerçek dünya performanslarını ölçtük.…
En İyi 10 Açık Kaynak Web Kazıyıcı LLM & Yapay Zeka için
Üretken yapay zekadaki son gelişmeler, geliştiricilerin web kazıyıcılarından ne beklediğini yeniden şekillendirdi. Ajan tabanlı kazıyıcılar artık sabit kurallar yerine bağlantıları seçmek için doğal dil komutları kullanıyor ve yerel olarak token açısından verimli markdown üretiyor. Aynı zamanda, büyük ölçekli toplu tarama için klasik framework'ler kurumsal ve araştırma kullanımı için hâlâ vazgeçilmezdir. Dil: Python | Lisans: Apache…
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.