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
Perakendede Üretken Yapay Zeka: 7 Kullanım Alanı & Örnekler
Perakende işletmeleri müşteri deneyimlerini ve sadakatini artırmaya çalışır. Bu, çeşitli formatlarda çekici içerik üretmeyi, etkili pazarlama çabalarını ve olağanüstü müşteri hizmetlerini gerektirir. Üretken yapay zeka ile perakendeciler, özellikle müşteri verilerini analiz ederek daha kişiselleştirilmiş deneyimler sunma yeteneklerini artırarak otomasyon yoluyla bu sorunların çoğunu çözebilir. Perakendede üretken yapay zekanın örneklerini ve faydalarını görün: Üretken yapay zeka,…
Federe Öğrenme: 7 Kullanım Alanı ve Örnek
Federe öğrenme (FL), modellerin hassas bilgileri gizli tutarken ve veri yerelleştirme ile gizlilik yasalarına uyumu sağlarken merkezi olmayan verilerden öğrenmesini sağlar. Federe öğrenmenin ne olduğunu, nasıl çalıştığını, gerçek hayattan örneklerle yaygın kullanım alanlarını, potansiyel zorlukları ve alternatiflerini keşfedin. Federe öğrenme, veri hassasiyeti, merkezsizlik ve gerçek zamanlı uyarlamanın kritik olduğu çok çeşitli YZ sistemlerini destekler. İş…
Kurumsal İş Yükü Otomasyonu için Control-M
BMC Software'ın Control-M çözümü, ekiplerin ana bilgisayarlar, bulut ve hibrit sistemler dahil olmak üzere farklı ortamlarda veri ve uygulama iş akışlarını koordine etmesine ve otomatikleştirmesine yardımcı olur. Kullanıcılara işleri zamanlamak, ilerlemeyi izlemek ve bağımlılıkları yönetmek için tek bir yer sunar. Platform ayrıca popüler bulut hizmetleri, veri araçları ve DevOps sistemleriyle bağlantı kurarak üretim süreçlerini baştan…
En İyi 25 Sürüm Kontrol Aracı
AIMultiple'da, birden fazla projede 1.000'den fazla web sayfasının kodunu yönetmek için her gün sürüm kontrol araçları kullanıyoruz. Deneyimlerimize dayanarak, açık kaynaklı ve özel mülk yazılımlar dahil olmak üzere en iyi sürüm kontrol araçlarını seçtik: Git, ilk olarak 2005 yılında Linus Torvalds tarafından Linux çekirdeği geliştirme için oluşturulmuş ücretsiz ve açık kaynaklı bir dağıtık sürüm kontrol…
Büyük Dil Modellerinin Geleceği
Büyük dil modellerinin geleceğini büyük dil modellerine bakarak, kendi kendine eğitim, olgu kontrolü ve seyrek uzmanlık gibi umut verici yaklaşımları inceleyerek LLM'lerin sınırlamalarını gidermeyi hedefleyin. LLM'lerin başarı oranı karşılaştırması Claude Sonnet 4.6, 0.748 genel puanla karşılaştırmada birinci oldu; temel ve düşünme varyantları üç ondalık basamağa kadar birbirine eşit. Claude Opus 4.8 (0.702), Opus 4.6 temel…
En İyi Tasarımdan Koda Araçları Karşılaştırması: Detaylı Analiz
Tasarımdan koda araçları, son 18 ayda, ondan önceki on yılda olduğundan daha fazla değişti. Bu kategori eskiden "Figma'dan biraz CSS dışa aktar" anlamına geliyordu. Şimdi ise full-stack uygulama oluşturucuları, tuval üzerine geri yazan çift yönlü MCP entegrasyonlarını ve Slack mesajlarından üretim dalları gönderen ajan platformlarını kapsıyor. Bu listedeki araçlar birbirinin yerine kullanılamaz; farklı ekipler için…
En İyi 50 Derin Öğrenme Kullanım Örneği ve Vaka Çalışmaları
Derin öğrenme, verilerden öğrenmek için yapay sinir ağlarını kullanır. Büyük, yüksek kaliteli veri setleri üzerinde eğitildiğinde yüksek doğruluk sağlar; bu da bol miktarda veri olduğunda ve doğru tahminlere ihtiyaç duyulduğunda değerli kılar. Aşağıda, endüstriler ve işlevler genelinde gerçek derin öğrenme uygulamaları ve somut örnekler yer almaktadır. Derin öğrenme modelleri, yapılandırılmış verileri, görüntüleri, metni ve sesi…
En İyi 15 Lojistik Yapay Zeka Kullanım Alanı ve Örnekleri
Sürekli verimsizlikler, artan operasyonel maliyetler ve devam eden tedarik zinciri aksaklıkları, lojistik fonksiyonlarını küresel olarak zorlamaya devam ediyor. Bu baskılar geleneksel sistemleri zorluyor, hizmet güvenilirliğini azaltıyor ve kuruluşların ölçeklenme kabiliyetini sınırlıyor. Buna karşılık, şirketler uçtan uca görünürlüğü artırmak, dayanıklılığı güçlendirmek ve temel işlevleri optimize etmek için giderek daha fazla yapay zekaya yöneliyor. Benimseme hızlandıkça, yapay…
Tekrarlanabilir Yapay Zeka: Neden Önemli ve Nasıl Geliştirilir
Tekrarlanabilirlik bilimsel araştırmanın temel bir parçasıdır. Araştırmacıların ve yapay zeka ekiplerinin, açıkça tanımlanmış koşullar altında bir sonucun tekrar elde edilip edilemeyeceğini kontrol etmelerini sağlar. OECD'nin bilimde yapay zeka üzerine hazırladığı bir rapor, yapay zeka araştırmalarının daha geniş tekrarlanabilirlik krizinden kaçamadığını savunuyor. Görüntü tanıma, doğal dil işleme, pekiştirmeli öğrenme, öneri sistemleri, tıp ve sosyal bilimler genelinde…
10+ Large Language Model Örnekleri
Önde gelen özel ve açık kaynaklı large language model'leri karşılaştırmak için açık kaynak benchmark'ları bir araya getirdik. Doğru model'i bulmak için kullanım durumunuzu seçin. Large language model'leri, benchmark performanslarını ve gerçek dünya gecikme sürelerini (tablodaki her model'in adına tıklayarak görebilirsiniz) inceleyerek ve genel verimlilik ile maliyet etkinliğini değerlendirmek için fiyatlandırmalarını gözden geçirerek değerlendirebilirsiniz. Maliyet tahminine…
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.