VERİ BİLİMİ (Tezsiz-İngilizce) DERS İÇERİKLERİ

DS 701 Veri Bilimine Giriş

Bu ders, makine öğrenimi, yapay zeka ve büyük veri alanlarında uzmanlaşmış, veri bilimine giriş seviyesinde bir derstir. Odak noktası, büyük miktarda veriden bilgi toplamak, depolamak, temizlemek, manipüle etmek, görselleştirmek, modellemek ve bilgi çıkarımı için teknikler ve araçlar olacaktır. Konular arasında veri ön işleme, makine öğrenimi algoritmalarına genel bakış, değerlendirme stratejileri yer alır.

DS 702 Veri Bilimi için Uygulamalı İstatistik

Bu ders, veri bilimi uygulamaları için gerekli istatistik altyapısını kapsar. Konular arasında tanımlayıcı istatistikler, olasılık dağılımları, korelasyon ve nedensellik arasındaki farklar, hipotez testleri, güven aralıkları, doğrusal regresyon yer alır. 

DS 703 Makine Öğrenimi

Bu ders, makine öğrenimindeki temel ilkeleri ve teknikleri tanıtır. Konular gözetimli ve gözetimsiz öğrenme, regresyon, düzenlileştirme, parametrik olmayan yaklaşımlar, karar ağaçları, çekirdekler ve destek vektör makineleri, kümeleme, sinir ağları ve derin öğrenmeye giriş içerir. Ders ayrıca bu algoritmaların gerçek dünya veri kümelerine uygulanmasını ve farklı algoritmaları karşılaştırmak için değerlendirme tekniklerini de kapsayacaktır. 

DS 704 Keşifsel Veri Analizi ve Görselleştirme

Keşifsel Veri Analizi, veri analizinde kritik bir ilk adımdır. Bu ders, temel keşifsel veri analizi yöntemlerini ve görselleştirme araçlarını kapsar. Bu yöntemler, veri temizlemede, uygun analiz yöntemlerinin seçiminde, değişkenler arasındaki ilişkilerin araştırılmasında etkili olacaktır. Ders ayrıca veri görselleştirme araçlarını tartışmak, eleştirmek ve tasarlamak için bir kelime haznesi ve çerçeve geliştirmeyi amaçlamaktadır. Konular arasında işaretler ve kanallar, renk kullanımı, çok değişkenli verilerin, ağların ve metnin etkili görselleştirilmesi yer alır. Ödevler, son teknoloji görselleştirme sistemlerini kullanarak uygulamalı deneyim sağlayacaktır.

DS 705 Derin Öğrenme

Bu derste, derin öğrenmenin temelleri anlatılacaktır. Yapay sinir ağları, evrişimsel sinir ağları, derin üretken ağlar, tekrarlı sinir ağları gibi öğrenme modelleri ve ses-görüntü-dil işleme üzerine olan uygulamaları açıklanacaktır.

DS 706 Doğal Dil İşleme için Makine Öğrenme Teknikleri

Doğa Dil İşleme, amacın insan dilini anlamak için algoritmalar geliştirmek olduğu disiplinler arası bir dilbilim, bilgisayar bilimi ve yapay zeka alanıdır. Bu derste öğrenciler önce metin verilerini makine öğrenimi yöntemlerine girdi olarak kullanılabilecek özelliklere nasıl dönüştüreceklerini öğrenecekler. Ayrıca n-gram dil modelleri, konuşma parçası etiketleme, vektör uzayı modelleri ve konuma duyarlı hashing hakkında bilgi edinecekler. Kursun son bölümü, çeşitli NLP görevlerinde performansı artıran son derin öğrenme modellerini (dikkat modelleri, siyam ağları, transformatörler) içerecektir. 

DS 707 Yapay Zekada Tarafsızlık, Şeffaflık ve Mahremiyet

 Bu ders yapay zeka yöntemlerini tarafsızlık, şeffaflık ve mahremiyet açısından incelemektedir. Veride gizli taraflılık var mıdır? Bu taraflılık bu veriyi kullanan makine öğrenmesi modellerini nasıl etkilemektedir? Yapay zeka tekniklerini kullanarak karar tahminlerinde bulunan algoritmalar tarafsız mıdır? Öğrenciler bu dersin sonunda hem verisetlerinde hem de makine öğrenmesi modellerinde mevcut taraflılık noktalarını tespit edebileceklerdir.

DS 708 Ağ Bilimi

Karmaşık sistemler, etkileşen varlıkların statik veya dinamik ağları ile temsil edilebilir. Ders, bu tür karmaşık ağların topolojisini ve dinamiklerini araştıran ağ bilimi alanına bir giriş niteliğindedir. Kurs, bu tür ağların çalışmasında kullanılan algoritmik, hesaplamalı ve istatistiksel yöntemlerin yanı sıra iletişim, biyoloji, ekoloji, beyin bilimi, sosyoloji uygulamalarına odaklanmaktadır. Konular, ağların deneysel analizini, karmaşık ağların işlevini ve yapısını, salgınları ve bilgi yayma modellerini içerir. 

DS 709 Optimizasyon

Dersin ana hedefi kanıtlarıyla birlikte yapı ve algoritmalara vurgu yapan kombinatoryal optimizasyonun temelleridir. Konular, doğrusal programlama, simpleks yöntemi, dualite kavramı, primal-dual algoritması dahil olmak üzere optimizasyon için kombinasyonel ve geometrik yöntemleri içerir. Ayrıca ağ akışları, eşleştirme, gezgin satıcı problemi (TSP) ve kesintiler gibi sorunların uygulamalarını içerir. NP problemlerine genel bir bakış ve yaklaşık algoritmalara giriş sağlanmaktadır.

DS 711 Temel Algoritmalar

Algoritma analizi ve tasarımının temel kavramlarına giriş. Temel analiz tekniklerine genel bakış: fonksiyonları asimptotik olarak yaklaştırma, toplamları sınırlama ve tekrarları çözme. Böl ve yönet, rastgeleleştirme, dinamik programlama, amortisman ve açgözlü algoritmalar gibi tasarım tekniklerine odaklanarak verimli bir şekilde çözülebilir problemlerin tartışılması. Diziler, dizgiler, çizgeler ve hesaplamalı geometri ile ilgili sorunlara uygulanan algoritmalar aracılığıyla çeşitli yeni kavramların gösterimi. 

DS 712 İş Analitiği

İş Analitiği, iş operasyonları hakkında daha iyi içgörü sağlamak ve gerçeklere dayalı kararlar almak için istatistiksel modellerle verilerin nicel analizidir. Konular arasında açıklayıcı analiz ve görselleştirme, müşteri segmentasyonu, müşteri yaşam döngüsü yönetimi, çapraz satış / yukarı satış önerileri, pazarlamada A / B testi, finansal tahmin, bağlantı analizi, sosyal medya analizi, iş süreci madenciliği yer alır. 

DS 713 Büyük Veri Mühendisliği

Bu ders, büyük veri uygulamaları oluşturmak için tasarım ve mimari tekniklerine giriş niteliğindedir. Konular, dağıtılmış dosya sistemlerini, veri akışlarını, olay akışlarını, gerçek zamanlı veri işlemeyi, makine öğrenimi ardışık düzenlerini, veri akışını otomatikleştirmeyi kapsayacaktır.

DS 790 Bitirme Projesi

Bu ders kapsamında veri bilimi alanında seçili bir problemin çözümüne yönelik uygulamalı ya da kuramsal bir dönem projesi yürütülür.

LUE 701 Bilimsel Araştırma Yöntemleri ve Etik

Dersin amacı araştırmanın temel yöntemlerini, etik konularını tanıtmak ve araştırma hedeflerini, hipotezleri ve araştırma çalışmalarını yapılandırılmış bir şekilde ele almak için örnek çerçeveyi formüle etmek amacıyla fikirleri araştırmaktır. Bir konu olarak Araştırma teknikleri, araştırmacıların literatürü kronolojik olarak hazırlamalarına yardımcı olmakla beraberö bunların mantıksal olarak analiz edilmelerini sağlamaktadır. Bu konu, öğrencilerin anlayış ölçeğini geliştirmek için araştırma problemlerinin tanımlanmasınaö yorumlanmasına ve sonuçlandırılmasında katkı sağlayacaktır. Bu ders aynı zamanda, öğrencilerin bir araştırma sunmak için gerekli olan araç, teknik, kavram ve uygulamaları beraber kullanmasını öğretecektir.

LUE 703 Mühendislik Matematiği

Bu ders, mühendislik temel konularında en yaygın olarak kullanılan matematik hakkındadır: Denklem sistemlerini çözmeye yönelik genel sayısal yaklaşımlar da dahil olmak üzere doğrusal cebir ve adi diferansiyel denklemlere (ODE'ler) giriş. Ele alınan konular arasında doğrusal denklem sistemleri, çözümlerin varlığı ve tekliği, Gauss eleme yer alır. Başlangıç değer problemleri, 1. ve 2. dereceden sistemler, ileri ve geri Euler ve Runge-Kutta yöntemi (RK4). Kurs ayrıca özproblemleri de kapsar: özdeğerler ve özvektörler, karmaşık sayılar, fonksiyonlar, vektörler ve matrisler dahil. Bu derste MATLAB ® kullanılmaktadır.

ECE 731 Dijital Görüntü İşleme

Mühendislik öğrencileri için görüntü işleme üzerine lisansüstü düzeyde giriş niteliğinde kurs. Önceden herhangi bir görüntü işleme deneyimi beklenmiyor. Görüntü örnekleme ve niceleme, nokta işlemleri, histogramlar, renk bilimi, görüntü bölütleme, morfolojik görüntü işleme, görüntü filtreleme ve korelasyon, ters evrişim, şablon eşleştirme, görüntü dönüşümleri dahil olmak üzere görüntü işleme algoritmalarıyla çalışan herkesin anlaması beklenen temelleri geniş bir şekilde ele alıyoruz. , eigenimages, Fisherimages, kenar algılama, anahtar nokta algılama, ölçek alanı görüntü işleme, gürültü azaltma ve restorasyon, özellik çıkarma ve tanıma görevleri, görüntü kaydı. Uygulama boyunca pratik örnekler kullanıyoruz, ancak belirli uygulamalardan ziyade altta yatan sinyal işleme ilkelerini vurguluyoruz. Öğrenciler, Matlab'da görüntü işleme algoritmalarını uygulayarak ve inceleyerek materyal uygulamayı öğrenirler.

ECE 732 Biyometrik

Biyometrik tanıma veya kısaca biyometri, bir kişinin kimliğini fiziksel veya davranışsal özelliklere dayalı olarak belirleme bilimidir. Bu derste, biyometrik tanımanın üç temel yöntemi olan parmak izi, yüz ve iris ele alacağız. Ayrıca yürüyüş, el geometrisi ve kulağın tanınması gibi diğer yeni teknolojileri de tanıtacağız. Diğer konular arasında biyometri güvenliği, biyometrik değerlendirme istatistikleri, sahtekarlık, biyometrik teknolojiyle ilgili etik sorunlar, adli tıpla ilişki ve biyometrik tanımanın yargı sistemi üzerindeki etkisi yer alacak.

ECE 737 İleri Veritabanı Sistemleri

Bu ders, veritabanı yönetim sistemlerini kullanarak verilerin modellenmesi ve yönetimi için kavramları ve teknikleri tartışır. Hedeflenen konular arasında ilişkisel veri modeli, varlık / ilişki modeli, nesneye yönelik veri modeli, SQL, sorgu optimizasyonu, bütünlük kısıtlamaları, normalleştirme, işlem yönetimi, eşzamanlılık kontrolü ve kurtarma sistemleri bulunur.

ECE 747 İleri Makine Öğrenmesi

Bu dersin içeriğini makine öğrenmesi alanındaki son ve ileri teknikler ve ilgili teori oluşturmaktadır. İşlenecek konular arasında bilgi erişimi, öneri sistemi, veri işleme, bilgisayarla görme, doğal dil işleme yer almaktadır. 

ECE 748 Görüntü Tanıma İçin Evrişimli Sinir Ağları

Görüntü işleme arama, görüntü anlama, uygulamalar, haritalama, tıp, insansız hava araçları ve sürücüsüz arabalardaki uygulamalarla toplumumuzda her yerde yaygın hale geldi. Bu uygulamaların çoğunun ana amacı, görüntü sınıflandırma, yerelleştirme ve algılama gibi görsel tanıma görevleridir. Sinir ağı ("derin öğrenme" olarak da bilinir) yaklaşımlarındaki son gelişmeler, bu son teknoloji görsel tanıma sistemlerinin performansını büyük ölçüde geliştirmiştir. Bu kurs, bu görevler için uçtan uca modelleri öğrenmeye odaklanan derin öğrenme mimarilerinin ayrıntılarına, özellikle de görüntü sınıflandırmasına derin anlatımıdır. Bu ders sırasında, öğrenciler kendi sinir ağlarını uygulamayı, eğitmeyi ve hata ayıklamayı öğrenecek ve bilgisayarla görmedeki en son araştırmalar hakkında ayrıntılı bir anlayış kazanacaklar. Görüntü tanıma probleminin nasıl kurulacağını, öğrenme algoritmalarını (ör. Geri yayılım), ağları eğitmek ve ince ayarını yapmak için pratik mühendislik püf noktalarını öğretmeye odaklanacağız ve öğrencilere uygulamalı ödevler ve son kurs projesi boyunca rehberlik edeceğiz.

ECE 749 İleri Veri Bilimi

Bu kurs, makine öğrenimi, yapay zeka ve büyük veri alanlarında uzmanlaşmış, veri bilimine giriş niteliğinde bir derstir. Kurs, veri bilimi projelerine baştan sona bir yaklaşımla başlar. İlk adım veri bilimi proje yönetimi tekniklerini kapsar ve CRISP-DM metodolojisini 6 adımda takip eder: İş Anlama, Veri Anlama, Veri Ön İşleme, Makine Öğrenimi, Büyük Veri Platformlarında Knime ve Python'da topluluk teknikleri, Değerlendirme.

ECE 751 İşlemsel Biyolojiye giriş

Bu ders moleküler biyolojideki problemlerin hesaplama teknikleriyle nasıl çözülebileceğini gösterecektir. Ders önce biyoloji geçmişi olmayan öğrenciler için moleküler biyolojideki temel kavramları gözden geçirir. Konular arasında sekans analizi, motif bulma, RNA katlama, genom montajı, karşılaştırmalı genomik, gen ekspresyon analizi, ağlara uygulanan grafik algoritmaları yer alır.

ECE 752 İleri Yapay Zeka

Bu ders Yapay Zekanın (YZ) tarihi ve felsefesi ile başlar. Kursun içeriği, arama problemleri, makine öğrenimi, kısıtlama memnuniyeti, grafik modeller, mantık vb. gibi klasik YZ yaklaşımları, klasik YZ yaklaşımıyla karmaşık bir gerçek dünya probleminin nasıl modelleneceğini öğrenmektir. Bu ders aynı zamanda YZ algoritmalarıyla gerçek hayat problemlerini çözmek için Python ile programlama, bir YZ modülüyle (bir oyun gibi) gerçek dünya uygulaması yazmayı ve sinirsel hesaplama, belirsizlik ve Bayes ağları, öğrenme kavramı gibi alt YZ konularını tanıtmayı da içerir (denetimli / denetimsiz) vb.

ECE 759 Bulut bilişimi

Bu kurs, bulut bilişimin temel kavramlarını inceleyecektir. Konular arasında bulut ve veri merkezi dosya sistemleri, sanallaştırma, güvenlik ve gizlilik, MapReduce ve Amazon Web hizmetleri ve etkileşimli web tabanlı uygulamalar yer alır.

ECE 761 İleri Bilgisayar Ağları

Bu kurs, Nesnelerin İnterneti (IoT) ağlarının temel kavramlarını tanıtır: - Bilgi merkezli ağlar (ICN'ler) veya Geleceğin İnterneti, Yazılım tanımlı ağlar (SDN'ler), - TDMA, FDMA gibi Orta Erişim Protokolleri, CSMA / CD, CSMA / CA ve senkronizasyon sorunları, - Ağ topolojisi ve hata toleransı teknikleri, - Dağıtım stratejileri ve enerji optimizasyon teknikleri, - AoA, TDOA, vb. Gibi farklı kablosuz teknikleri kullanarak hedef ve cihaz yerelleştirme - Uygulamalar ve akıllı Q-teorisi ve diğer olasılıklı yöntemler kullanılarak veri trafiği modellemesi ve analizi dahil olmak üzere ortam tasarımı ve uygulaması.

ECE 773 Kablosuz İletişim

Bu ders aşağıdaki konuları içerir: Hücresel kavram, kablosuz kanalların fiziksel modellemesi, kablosuz kanalın giriş / çıkış modelleri, zaman ve frekans tutarlılığı, istatistiksel kablosuz kanal modelleri. Noktadan noktaya iletişim, algılama ve zaman, anten, frekans ve uzay çeşitliliği. Kablosuz sistemler, GSM, CDMA ve OFDM için çoklu erişim ve girişim yönetimi. Kablosuz kanalların temel sınırları.

ECE 774 İleri 5G ve Uygulamaları

Bu ders, esnek dalga formu kavramı, 5G numeroloji yapısı, gecikme-doppler alanı (2-Boyutlu IFFT) gibi 5G ve ötesi sistemlerdeki anahtar kavramlar ve etkinleştirici teknolojilerle birlikte öğrencileri 5G ve Ötesi gereksinimleri, uygulamaları ve kullanım durumları ile tanıştırmak için tasarlanmıştır. ) dalga formu kavramı ve OFDM'den farklılıkları, Gelişmiş çok boyutlu modülasyon şemaları (indeks, sayı, şekil ve güç tabanlı modülasyonlar), uzaysal modülasyon ve indeks modülasyonu, Güvenli dalga formu kavramı (dalga formu OFDM'den daha güvenlidir), Ortogonal Olmayan Çoklu Erişim (NOMA), Massive MIMO, mm-Wave Communication, VLC sistemleri, 5G sistemlerinde İHA'lar, İletişim sistemleri için derin ve makine öğrenimi, Parazit Hizalama, Bilişsel radyo: Lisanssız Erişim için SDR ve OFDM (lisanssız spektrumda).

ECE 776 İleri Dijital İletişim

Ders, verici ve alıcı tasarımlarının yanı sıra iletişim sistemlerinde karşılaşılabilecek farklı kablosuz kanal türleri dahil olmak üzere dijital iletişim sistemlerinin genel yapısının kapsamlı ve gelişmiş bir görünümünü verir. Özellikle, gerçek ve karmaşık rasgele vektörler, sinyal uzay gösterimleri, OFDM, OFDM-IM, OFDM-SNM, OFDM-SPM, MIMO-SM gibi gelişmiş dijital modülasyon / demodülasyon teknikleri, gürültülü ve soluk üzerinden dijital veri iletimi kanallar ve alınan verilerin kurtarılması için ideal alıcı-vericilerin tasarımı, dijital iletişim sistemlerindeki bit hata olasılığı, veri hızı, verim vb. gibi temel performans ölçütlerinin hesaplanması gibi konuları kapsar.                     

ECE 778 Kablosuz Güvenlik

This course is designed to make students familiar with the security requirements, security vulnerabilities and attacks in wireless networks (WIFI, LTE-4G, 5G), learn the security defence protocols and paradigms for wireless networks, understand wireless physical-layer security against eavesdropping, and wireless jamming attacks and their countermeasures, and be aware of some of the open challenges and recommendations. 

ECE 782 Web İşleme

Veri Madenciliği genel olarak, "karar verme sürecini" kolaylaştırmak amacıyla verilerdeki kalıpları ve ilişkileri keşfetmek için kullanılır. Bu dersin amacı iki yönlüdür. İlk olarak, yapılandırılmış veriler için genel veri madenciliği tekniklerini öğretir. İkincisi, Web belgelerinden, köprülerden ve sunucu günlüklerinden çıkarılabilen web veri setlerinde gözlemlenen verilerde olduğu gibi yapılandırılmamış ve büyük verilere veri madenciliği tekniklerinin toplanmasına, analiz edilmesine ve uygulanmasına özel önem vermektedir.Belirli ders konuları arasında karar ağaçları, desen keşfi, kümeleme, metin madenciliği ve analitiği ve genel olarak Veri Madenciliği alanından veri görselleştirme ve özel olarak Web Madenciliği alanından Web içeriği madenciliği, Web yapısı madenciliği, Web kullanım madenciliği yer alır.

ECE 786 Çizge Teorisi ve Algoritmaları

Bu ders, temel tanımlar, ortak çizge sınıfları ve temel teoremler gibi Çizge Teorisindeki temel kavramları tanıtır. Ayrıca, Çizge Teorisindeki ünlü problemleri ve en kısa yol problemi, ağırlıklı grafikler ve Dijkstra’nın algoritması, Floyd’un algoritması, kapsamlı ağaç algoritmaları, arama algoritmaları dahil olmak üzere bazı ilgili algoritmaları da kapsar.

MSCS 711 Bilgisayar Güvenliği

Bu çok disiplinli temel ders, bilgisayar güvenliği temellerine genel bir bakış sağlar ve öğrencilerin Siber güvenlik alanını genel olarak ve özünde anlamaları için sağlam bir temel geliştirmelerini sağlar. Kurs, risk yönetimi, kriptografi temelleri, Kullanıcı Kimlik Doğrulaması (Parolalar, Biyometri ve Alternatifler Parola kimlik doğrulaması, Kimlik Doğrulama Protokolleri, İşletim Sistemi Güvenliği ve Erişim Kontrolü, Yazılım Güvenliği, Kötü Amaçlı Yazılımlar (virüsler, solucanlar, Truva atları,…), Açık Anahtar Sertifikaları) içerir.  

MSCS 712 Ağ Güvenliği

Bu kursta Ağ Temelleri, Kablosuz Yerel Ağ Güvenliği, Cisco WLAN Güvenlik Önlemleri, Sanal Özel Ağlar (VPN), İnternet Protokolü Güvenliği (Ipsec), Ağ Güvenliği Protokolleri (HTTPS, SSL, TCP/IP, saldırılar), Ağ Güvenliği mekanizmaları tanıtılmaktadır: Güvenlik Duvarları ve Tüneller, İzinsiz Giriş Tespit Önleme sistemleri ve Ağ Tabanlı Saldırılar, E-posta Güvenliği, Sızma Testi, DDos saldırıları dahil saldırı türleri, diğer saldırı türleri.

MSCS 713 Kriptoloji

Bu ders, çağdaş Kriptolojinin ilkelerini ve uygulamalarını tanıtır. Kriptolojinin modern gelişimini etkileyen klasik kriptografik tekniklerin kısa bir incelemesiyle başlar. Konular arasında simetrik blok şifreler (DES, AES, Akış Şifreleri, …), genel anahtar şifreleme sistemleri, dijital imzalar, Mesaj kimlik doğrulama Kodları, kriptografik hash işlevleri ve Anahtar Kuruluşu ve PKI Sertifikaları yer alır.

MSCS 714 Veri Gizliliği Seminar Dersi

Bu ders, veri gizliliğinin temellerini, güncel gizlilik konularını ve ilgili bazı gizlilik yasalarını, gizlilik tasarım stratejilerini, resmi gizlilik tanımlarını: k-anonimlik ve l-çeşitlilik, t-yakınlık ve m-değişmezlik, Diferansiyel Gizlilik ve Homomorfik Şifrelemeyi tanıtmaktadır. Öğrenciler 2-3 kişilik bir grup oluştururlar ve öğretim üyesi tarafından verilen konulardan birini seçerler veya öğrenci projeleri için ilgili başka bir konu bulurlar. Ardından, her grup kendi dönem projeleri için bir öğrenci kağıdı ve sunum sağlamalıdır.

MSCS 715 Kodlama Teorisi

Bu lisansüstü seviyedeki Kodlama Teorisi dersi, temel yapılara ve bazı ilgili algoritmalara odaklanır. Kodlama teorisinde ve Bilgisayar Bilimi ve Ayrık Matematik ile ilgili alanlarda yaygın olarak kullanılan birkaç temel yöntemi kapsar. Konular arasında kodlama teorisinin temel kavramları, doğrusal kodlar, kodlarla ilgili bazı sınırlar, Reed-Solomon kodları, grafiklerdeki kodlar ve bunların LDPC kodları dahil kod çözme şemaları yer alır.

MSCS 716 Etik Bilgisayar Korsanlığı

Birincil amaç, öğrencilere nasıl daha iyi savunulabileceklerini motive etmek için savunmasız sistemlere nasıl saldırılabileceğini anlamalarını sağlamaktır. Konular; Ayak izi ve keşif, Tarama Ağları Sayımı, Sistem Ağları, Kötü Amaçlı Yazılım Tehditleri, Sosyal Mühendislik Sniffing, Hizmet Reddi Oturumu Hacking, Web Sunucularını Hackleme, Web Uygulamalarını Hackleme, SQL Enjeksiyonu, Kablosuz Ağları Hackleme, Mobil Platformları Hackleme.