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
LLM Çıkarım Motorları: vLLM, LMDeploy ve SGLang Karşılaştırması
NVIDIA H100 üzerinde 3 önde gelen LLM çıkarım motorunu (vLLM, LMDeploy ve SGLang) karşılaştırmalı olarak test ettik. Her motor, mimari seçimlerinin ve optimizasyon stratejilerinin gerçek performans etkisini izole etmek için Llama 3.1 8B-Instruct kullanarak 1.000 ShareGPT istemini içeren aynı iş yüklerini işledi. Çıkarım motorları karşılaştırmalı test sonuçları Toplam 10.000 çıkarım işlemi (1.000 istem ) üzerinden çevrimdışı toplu işleme verimliliğini ölçtük.
En İyi 5 Açık Kaynaklı Veritabanı İzleme Aracı
Ticari veritabanı izleme araçları genellikle gelişmiş arayüzler ve özel kurumsal destek vaat eder. Açık kaynak çözümler ise şeffaflıkları, maliyet etkinliği, topluluk odaklı geliştirmeleri ve esneklikleri nedeniyle giderek daha fazla tercih edilmektedir.
LCM'ler: LLM Tokenizasyonundan Kavram Düzeyinde Gösterime
Meta'in "Büyük Kavram Modelleri" üzerine yaptığı çalışmada tanıttığı büyük kavram modelleri (LCM'ler), belirteç tabanlı tahminden kavram düzeyinde temsile doğru temel bir geçişi temsil eder. LCM'ler, geleneksel büyük ölçekli modellerden iki temel açıdan farklıdır: Meta'in araştırmasından yola çıkarak, LCM'lerin temel bileşenlerini ve anlamsal arama ve akıl yürütmedeki potansiyellerini temelinde inceleyeceğiz.
Görsel Dil Modellerinin Görüntü Tanıma ile Karşılaştırılması
Gelişmiş Görsel Dil Modelleri (VLM'ler) geleneksel görüntü tanıma modellerinin yerini alabilir mi? Bunu öğrenmek için, üç paradigmada 16 önde gelen modeli karşılaştırmalı olarak test ettik: geleneksel CNN'ler (ResNet, EfficientNet), VLM'ler (örneğin GPT-4.1, Gemini 2.5) ve Bulut API'leri (AWS, Google, Azure).
MCP Performans Testi: Web Erişimi İçin En İyi MCP Sunucuları
Web arama ve veri çıkarma işlemlerinin yanı sıra tarayıcı otomasyonu görevlerini de kapsayan 8 MCP sunucusunu, uygun tüm MCP'lerde 4 farklı görevi 5 kez çalıştırarak kıyasladık. Ayrıca 250 eş zamanlı yapay zeka ajanı içeren bir yük testi de gerçekleştirdik.
RAG için En İyi Vektör Veritabanı: Qdrant vs Weaviate vs Pinecone
Vektör veritabanları, belge ve sorgu gömülülerini yüksek boyutlu vektörler olarak depolayarak RAG iş akışlarındaki arama katmanını destekler. Vektör mesafelerine dayalı hızlı benzerlik aramalarına olanak tanırlar.
Yılında En İyi Görüntü Tanıma Araçları Karşılaştırması
Nesne algılama görevleri için en iyi bulut tabanlı görüntü tanıma araçlarının gerçek dünya performansını, 100 görüntü kullanarak 5 sınıf üzerinden varsayılan API yapılandırmalarını karşılaştırarak değerlendirdik. Bu, performansların karşılaştırılmasını, özelliklerin analizini ve fiyatlandırmaya göre hizmet tekliflerinin karşılaştırılmasını içeriyordu.
En İyi 13 Eğitim Veri Platformu
Veri, makine öğrenimi modellerinin kalitesinin temel bir parçasıdır. Denetimli yapay zeka/makine öğrenimi modelleri, doğru tahminler yapmak için yüksek kaliteli verilere ihtiyaç duyar. Eğitim veri platformları, veri toplamadan etiketlemeye kadar veri hazırlığını kolaylaştırarak yapay zeka sistemleri için yüksek kaliteli girdiler sağlar.
En İyi 125 Üretken Yapay Zeka Uygulaması
30'dan fazla vaka çalışması ve 10 kıyaslama ölçütü üzerinden yaptığımız analizimize dayanarak, 40'tan fazla ürünü test edip karşılaştırdığımızda, aşağıdaki kategorilerde 125 üretken yapay zeka kullanım örneği belirledik: Tek bir doğru cevabın olduğu istekler için yapay zekanın diğer uygulamaları (örneğin, tahmin veya sınıflandırma) için yapay zeka uygulamalarına göz atabilirsiniz.
Sophos'un En İyi 10 Rakibi ve Alternatifi
Sophos, DLP yazılımı ve siber güvenlik pazarlarında popüler bir oyuncudur. Ancak analizimiz, ürünlerinin bazı eksikliklerini ortaya koymuştur. En iyi 6 DLP ürününün karşılaştırmalı analizine dayanarak, işletmelerin en iyi DLP yazılımını bulmalarına yardımcı olmak için en iyi Sophos rakiplerini belirledik.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.