Dr. Johannes Riesterer
Karlsruhe Institute of Technology (KIT)
Campus Süd
Institute of Telematics
Chair for Pervasive Computing Systems / TECO
Vincenz-Prießnitz-Straße 1
76131 Karlsruhe
Germany
Building 07.07, Room : 214
email: riesterer(at)teco.edu
phone: +49 721 608-41708
fax: +49 721 608-41702
Short CV
SS 2020 Lehrauftrag Mathematik II (angewandte Mathematik, Stochastik) DHBW Mannheim; Lehrauftrag digitale Bildverarbeitung DHBW Mannheim
Seit 2017 Wissenschaftlicher Mitarbeiter Teco/KIT
Seit 2017 Studio Fluffy Gbr, Geschäftsführender Gesellschafter
Seit 2015 Lehrauftrag Computergrafik DHBW Stuttgart
2015-2016 Lehrauftrag Computergrafik, Gameart, Webprogrammierung HKDM Freiburg
Seit 2014 Freiberufliche Tätigkeit als Softwareentwickler in den Bereichen wissenschaftliches Rechnen, Computergrafik und Multimedia-Applikationen(Büro Zwei)
2010-2014 Wissenschaftlicher Mitarbeiter Fakultät für Mathematik/KIT
2008–2010 Stipendiat, Graduiertenkolleg Universität Karlsruhe (TH).
2013 Promotion in Mathematik KIT
2008 Diplom in Mathematik Universität Karlsruhe (TH)
Projects
- SmartAQNet
- Verschnittoptimierung für 2D-Laserschneidmaschinen mit Methoden des maschinellen Lernens (Trumpf)
- Verbesserung von Vorhersagemodellen auf Basis heterogener Feinstaub-Messnetzwerke unter Anwendung topologischer Datenanalyse (MathSEE)
- Verbesserung von Vorhersagemodellen auf Basis heterogener Feinstaub-Messnetzwerke unter Anwendung erweiterter stochastischer Regressionsmodelle (MathSEE)
Activities
Mitglied im KIT-Zentrum MathSEE (Mathematics in Sciences, Engineering, and Economics)
Dozent beim Science Camp KI
Open Theses
Teaching
Angewandte Mathematik (DHBW Mannheim).
Stochastik (DHBW Mannheim).
Bildverarbeitung (DHBW Mannheim)
Computergrafik (DHBW Stuttgart)
Gaussian Process Regression, Seminar.
Spatiotemporal interpolation with bayesian neuronal networks, Seminar.
Big Data Architectures for geospatial analysis and distributed linear algebra, Seminar.
Reinforcement learning for Nesting Problems, Seminar.
Bayessche Regression und Gaußprozesse, Vorlesungseinheit kontextsensitive Systeme (Folien).
Supervised Theses
Bowen Wang; BigGIS: Fusion of geospatially distributed heterogeneous Sensor Data
Stanislav Arnaudov; Erstellung und Evaluierung stochastischer Regressionsmodelle auf Basis heterogener Messnetzwerke (In Kooperation mit Sebastian Lerch)
Peter Bozsoky; Calibrating NO2 Sensors Using Neural Networks
Yi Ge; MapReduce Machine learning algorithms for geospatial data on kappa architectures
Marvin Wieschollek; Gauß-Prozess-Regressionsmodelle für heterogene Messnetzwerke
Rainer Schlund; Kalibrierung von Low Cost Feinstaubsensoren unter Einsatz des Elastic Weight Consolidation (EWC) Algorithmus als inkrementellen Deep Learning Verfahren
Research Interests
Vorhersage von Umweltparametern und Sensorkalibrierung mit Methoden des maschinellen Lernens unter Einsatz von Big-Data Technologien.
Bilderkennungsverfahren für optische Low-Cost-Sensorik.
Geometrie, angewandte Mathematik, Computergrafik/Multimedia
Peer-reviewed Publications
Li, C.; Budde, M.; Tremper, P.; Schäfer, K.; Riesterer, J.; Redelstein, J.; Petersen, E.; Khedr, M.; Liu, X.; Köpke, M.; Hussain, S.; Ernst, F.; Kowalski, M.; Pesch, M.; Werhahn, J.; Hank, M.; Philipp, A.; Cyrys, J.; Schnelle-Kreis, J.; Grimm, H.; Ziegler, V.; Peters, A.; Emeis, S.; Riedel, T.; Beigl, M.
2022. ProScience, 8. doi:10.14644/dust2021.001
Schäfer, K.; Budde, M.; Cyrys, J.; Emeis, S.; Gratza, T.; Grimm, H.; Hank, M.; Kowalski, M.; Pesch, M.; Peters, A.; Philipp, A.; Riedel, T.; Riesterer, J.; Schnelle-Kreis, J.; Tremper, P.; Uhrner, U.; Werhahn, J.; Ziegler, V.; Beigl, M.
2021. Gefahrstoffe, Reinhaltung der Luft, 81 (9-10), 353–361
Schlund, R.; Riesterer, J.; Köpke, M.; Kowalski, M.; Tremper, P.; Budde, M.; Beigl, M.
2021. Science and Technologies for Smart Cities – 6th EAI International Conference, SmartCity360°, Virtual Event, December 2-4, 2020, Proceedings. Ed.: S. Paiva, 596–614, Springer International Publishing. doi:10.1007/978-3-030-76063-2_40
Redelstein, J.; Budde, M.; Cyrys, J.; Emeis, S.; Gratza, T.; Grimm, H.; Hank, M.; Holst, C.; Münkel, C.; Pesch, M.; Petersen, E.; Philipp, A.; Riedel, T.; Riesterer, J.; Schäfer, K.; Schnelle-Kreis, J.; Uhrner, U.; Werhahn, J.; Ziegler, V.; Beigl, M.
2019. SPIE Remote Sensing of Clouds and the Atmosphere XXIV, Strasbourg, France, 09–12 September 2019, 111520N, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2533096
Budde, M.; Riesterer, J.; Köpke, M.; Tremper, P.; Riedel, T.
2019. Mid-term and 1st International Networking Workshop of the SmartAQnet Project : December 4th and 5th 2018, Munich. Ed.: M. Budde, 3, Karlsruher Institut für Technologie (KIT)
Budde, M.; Leiner, S.; Köpke, M.; Riesterer, J.; Riedel, T.; Beigl, M.
2019. Sensors, 19 (3), Article: 749. doi:10.3390/s19030749
Schäfer, K.; Budde, M.; Cyrys, J.; Emeis, S.; Gratza, T.; Grimm, H.; Hank, M.; Hinterreiter, S.; Pesch, M.; Petersen, E.; Philipp, A.; Redelstein, J.; Riedel, T.; Riesterer, J.; Schnelle-Kreis, J.; Ziegler, V.; Beigl, M.; Münkel, C.; Uhrner, U.; Werhahn, J.
2018. SPIE Remote Sensing of Clouds and the Atmosphere XXIII, Berlin, Germany, 12-13 September 2018. Ed.: A. Comerón, 107860B, Society of Photo-optical Instrumentation Engineers (SPIE). doi:10.1117/12.2325756
Bruns, J.; Riesterer, J.; Wang, B.; Riedel, T.; Beigl, M.
2018. GI-Forum, 1, 65–81. doi:10.1553/giscience2018_01_s65
Hinterreiter, S.; Budde, M.; Schäfer, K.; Riesterer, J.; Riedel, T.; Köpke, M.; Cyrys, J.; Emeis, S.; Gratza, T.; Hank, M.; Philipp, A.; Petersen, E.; Redelstein, J.; Schnelle-Kreis, J.; Young, D.; Kowalski, M.; Ziegler, V.; Beigl, M.
2018. AGIT, 2018 (4), 394–403. doi:10.14627/537647050
Riesterer, J.
2013. Karlsruher Institut für Technologie (KIT). doi:10.5445/IR/1000036522
Baues, O.; Riesterer, J.
2009. Universität Karlsruhe (TH)
Other Publications
- J. Riesterer, C. Schmalzriedt, S. Schmalzriedt; 2017; Schnaubi & Lisu – early bird; Computerspiel; Itunes; Playstore
- J. Riesterer, C. Schmalzriedt, S. Schmalzriedt; 2019; Jumpy Chap; Computerspiel; Itunes; Playstore
Talks and Slides
Vortrag AG Differentialgeometrie KIT
Vortrag DHBW Mannheim. IOT – Anwendungsfelder und technische Grundlagen.
Data-driven Modeling and Optimization in Fluid Mechanics, KIT, 2019.