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
Öneri Sistemleri: Uygulamalar ve Örnekler
Öneri sistemleri, verileri kullanarak deneyimleri kişiselleştirerek hem işletmelere hem de müşterilere fayda sağlar. Seçenekleri basitleştirerek ve kullanıcıları meşgul tutarak satışları artırmaya, müşteri sadakatini yükseltmeye ve müşteri kaybını azaltmaya yardımcı olurlar. Aynı örtük geri bildirim veri setini ve aynı ön işleme adımlarını kullanarak üç Python öneri kütüphanesini (LightFM, Cornac BPR ve TensorFlow Recommenders) karşılaştırdık.
Mobil Yapay Zeka Ajanları 65 Gerçek Dünya Görevinde Test Edildi
Üç gün boyunca dört mobil yapay zeka ajanını (DroidRun, Mobile-Agent, AutoDroid ve AppAgent) takvim yönetimi, kişi oluşturma, fotoğraf çekme, ses kaydı ve dosya işlemleri gibi uygulamalarla 65 gerçek dünya görevi üzerinde bir Android emülatörü kullanarak performans testine tabi tuttuk.
En İyi 9 Yapay Zeka Altyapı Şirketi ve Uygulaması
Birçok kuruluş yapay zekaya büyük yatırımlar yapıyor, ancak projelerin çoğu ölçeklenebilirlik konusunda başarısız oluyor. Yapay zeka kavram kanıtlarının yalnızca %10-20'si tam olarak kullanıma geçiyor. Bunun temel nedenlerinden biri, mevcut sistemlerin büyük veri kümelerinin, gerçek zamanlı işlemenin veya karmaşık makine öğrenimi modellerinin taleplerini karşılayacak şekilde donatılmamış olmasıdır.
En İyi LLMOps Araçları ve Bunları MLOP'larla Karşılaştırın
Büyük dil modellerinin hızla benimsenmesi, bunları verimli bir şekilde yönetmek için gereken operasyonel çerçevelerin önüne geçti. İşletmeler giderek artan bir şekilde yüksek geliştirme maliyetleri, karmaşık süreçler ve model performansına ilişkin sınırlı görünürlükle mücadele ediyor.
Sağlık Sektöründe Kullanılan 9 Büyük Dil Modelini Karşılaştırın
USMLE sorularından türetilmiş, lisansüstü düzeyde klinik sınav kıyaslama seti olan MedQA veri setini kullanarak 9 LLM'yi kıyasladık. Her model, standartlaştırılmış bir yönlendirme kullanarak aynı çoktan seçmeli klinik senaryoları yanıtladı ve bu da doğruluğun doğrudan karşılaştırılmasını sağladı. Ayrıca, toplam çalışma süresini tamamlanan MedQA soru sayısına bölerek soru başına gecikmeyi de kaydettik.
2026 İçin 10+ Ajan Tabanlı Yapay Zeka Trendi ve Örneği
Çeşitli önemli sektör raporlarından, kıyaslamalardan ve satıcı açıklamalarından elde edilen Ajan Tabanlı Yapay Zeka trendlerini inceledik ve karşılaştırdık. Kaynaklar, ajan tabanlı yapay zekanın geleceğinin sadece araçları iyileştirmek veya iş akışlarını kolaylaştırmakla ilgili olmadığını, yapay zekayı derinlemesine entegre etmek ve mevcut çerçeveleri yeniden yapılandırarak iş yaklaşımlarını dönüştürmekle ilgili olduğunu belirtiyor.
17 Üretken Yapay Zeka Sağlık Uygulama Örneği
Sağlık sistemleri artan veri hacimleri, personel eksikliği ve kişiselleştirilmiş bakım beklentilerinin yükselmesiyle karşı karşıya. Üretken yapay zeka, klinik notlar, görüntüleme raporları ve hasta öyküleri gibi yapılandırılmamış tıbbi verileri sentezleyerek klinisyenler ve yöneticiler için içgörüler sunarak önemli bir çözüm olarak ortaya çıkıyor.
Yapay Zeka için GPU Yazılımları: 2026'da CUDA mı, ROCm mi?
GPU hesaplamasında ham donanım özellikleri hikayenin sadece yarısını anlatır. Gerçek dünya yapay zeka performansını ölçmek için, AMD'un MI300X'ini NVIDIA'un H100, H200 ve B200'üyle çoklu GPU ve yüksek eşzamanlılık senaryolarında karşılaştıran 52 farklı test gerçekleştirdik. AMD'un MI300X'i 1.307 TFLOPS'a sahipken, NVIDIA'un H100/H200'ü 990 TFLOPS'ta teorik olarak %32'lik bir avantaja sahip.
GPU Pazaryeri: 2026'da Shadeform, Prime Intellect ve Node AI Karşılaştırması
Uygun fiyatlarla kullanılabilir GPU kapasitesi bulmak, yapay zeka ekipleri için kritik bir zorluk haline geldi. AWS ve Cloud gibi büyük bulut sağlayıcıları GPU örnekleri sunsa da, bunlar genellikle kapasite dolu veya pahalı oluyor. GPU pazar yeri toplayıcıları, kullanıcıları tek bir arayüz üzerinden düzinelerce sağlayıcıya bağlayan bir alternatif olarak ortaya çıktı.
Fatura OCR Karşılaştırması: LLM'lerin ve OCR'lerin Çıkarma Doğruluğu
Fatura işleme, geleneksel olarak manuel veri çıkarma ve muhasebe sistemlerine giriş gerektiren, kritik ancak emek yoğun bir işletme işlemidir. Bu manuel yaklaşım zaman alıcıdır ve insan hatasına açıktır.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.