finished semi-supervised learning

chapters/Semi-supervised Learning/Deep Learning.tex

@@ -118,3 +118,22 @@
                 Das \say{Max Pooling} ist eine Form des Poolings, bei dem mehrere Elemente einer schicht dadurch zusammengefasst werden,
                 dass nur die Element mit dem höchsten Wert erhalten bleiben.\\
                 \includegraphics[width = .8\textwidth]{max_pooling.png}
+
+    \section{classsical \ac{ML} vs. Deep Learning}
+        \includegraphics[width = \textwidth]{classical_ml_vs_deep_learning.png}
+
+    \section{Probleme des Deep Learning}
+        \begin{itemize}
+            \item \textbf{Deep Learning ist gierig:}\\
+                Es werden Millionen von Datensätze für das Training von Deep Learning Modellen benötigt.
+            \item \textbf{Deep Learing ist undurchsichtig:}\\
+                Deep Learing Modelle sind Black Box Modelle, die kontextunabhängig arbeiten
+            \item \textbf{Deep Learning ist spröde:}\\
+                Deep Learning Modelle können bei manchen Anwendungen gut funktionieren und bei anderen komplett scheitern;
+                sie sind nicht-linerare Natur
+        \end{itemize}
+        \includegraphics[width = \textwidth]{deep_learing_problems.png}\\
+        \includegraphics[width = \textwidth]{dumm_aber_raffiniert.png}
+
+    \section{aktuelle Trends}
+        \includegraphics[width = \textwidth]{trends.png}