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
Ücretsiz Alternatifleri Olan En İyi 9 PAM Çözümü
Üç gün boyunca popüler Ayrıcalıklı Erişim Yönetimi (PAM) çözümlerini test ettik ve inceledik. BeyondTrust, Keeper PAM ve ManageEngine PAM360'ın ücretsiz deneme sürümlerini ve yönetim konsollarını kullandık. Kayıt gerektiren çözümler için, yeteneklerini değerlendirmek amacıyla resmi ürün belgelerine ve doğrulanmış kullanıcı deneyimlerine güvendik.
RL Ortamları: Ajan Tabanlı Yapay Zekanın Arkasındaki Altyapı
Takviyeli öğrenme ortamları, yapay zeka ajanlarının eylemlerde bulunduğu, sonuçları gözlemlediği ve geri bildirim aldığı kontrollü ortamlardır. Modeller, kodlama, tarayıcı görevleri, müşteri desteği ve iş yazılımlarında tek seferlik yanıtlardan çok adımlı çalışmalara geçtikçe bu ortamlar daha kullanışlı hale geliyor. Takviyeli öğrenme ortamı şirketleri Bazı şirketler, kodlama, finans, kurumsal iş akışları veya bilgisayar kullanım görevleri için özel ortamlar satmaktadır.
En İyi 6 Ücretsiz Bulut GPU Hizmetinin Karşılaştırması
Yapay zeka ve makine öğrenimindeki gelişmeler, yüksek performanslı hesaplamada kullanılan GPU'lara olan talebi artırdı. Özel GPU altyapısı kurmak yüksek başlangıç maliyetleri gerektirirken, bulut tabanlı hizmetler daha uygun fiyatlı erişim sağlıyor. Ücretsiz GPU platformları, sınırlı bütçeye sahip araştırmacıları, geliştiricileri ve kuruluşları destekliyor.
Kodsuz Finansal Veri Toplama: Araçlar ve Uyumluluk İpuçları
Resmi finansal veri sağlayıcıları API'ler sunsa da, bunlar genellikle gerçek zamanlı veya niş veri ihtiyaçları için kapsam, erişim veya esneklik açısından sınırlıdır. Finansal veri kazıma, bu tür bilgileri toplamak için yaygın bir yaklaşım haline gelmiştir ve genellikle web kazıyıcılar, başsız tarayıcılar ve açık kaynaklı tarayıcılar gibi teknolojiler kullanılır; bunlar gerektiğinde proxy/engellemeyi kaldırma hizmetleriyle eşleştirilebilir.
İşe Alım Uzmanları için Web Kazıma: En İyi Araçlar ve Teknikler
Bright Data'ün Veri Toplayıcısı, işe alım uzmanları için LinkedIn'den herkese açık verileri otomatik olarak çıkarır.
Agentic LLM Kıyaslaması: En İyi 13 LLM Karşılaştırması
Ajan tabanlı bir CLI aracı kullanarak 10 yazılım geliştirme görevi genelinde 13 LLM'yi kıyasladık. Hem API hem de UI katmanlarında performansı ölçmek için model başına yaklaşık 300 otomatik doğrulama adımı gerçekleştirdik. Ajan tabanlı LLM kıyaslama sonuçları Başarı oranı karşılaştırması Claude 4.5 Sonnet ve GPT-5.
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.
En İyi Veritabanı Performans İzleme Araçları: En İyi 5 Platformun Karşılaştırması
Veritabanı sorunları uygulama hatalarına neden olur: Bellek kullanımındaki ani artış sunucunuzun çökmesine yol açar ve yavaş sorgular kullanıcı isteklerinin zaman aşımına uğramasına neden olur. Altı veritabanı izleme platformunu analiz ettik ve bunlardan üçünü MySQL ve MongoDB üzerinde kapsamlı bir şekilde test ettik; sıfırdan kurulumlarını yaptık, aynı iş yüklerini çalıştırdık ve kurulum ve izleme deneyiminin her adımını belgeledik.
LCM'ler: LLM Tokenizasyonundan Kavram Düzeyinde Gösterime
Meta'nın "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'nın araştırmasından yola çıkarak, LCM'lerin temel bileşenlerini ve anlamsal arama ve akıl yürütmedeki potansiyellerini temelinde inceleyeceğiz.
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.