1、斯坦福大学计算机专业的本科教育 孔维昊（斯坦福大学） 康迪（华东师范大学）
斯坦福大学根据课程的深度给课程排号，如计算机系的课号是CS0到CS599，其中0~99号是服务性课程，适合非技术性专业的学生选择；100~199号是本科生基础课程；200~299号是高级本科生课程/初级研究生课程；300~399号是高级研究生课程；后边的课号代表实验和研讨班。
2、计算思维：计算机基础教学改革的第三个里程碑 冯博琴（西安交通大学）
学生在解决具体问题时，习惯用现成的技术手段而不是科学的思维方式来寻求解决问题的方法，怎么会有创新？
3、学科交叉、融合创新 史元春（清华大学）
信息是用来消除随机不确定性的东西。信息度量公式中对数取2为底，单位就是比特。这个公式与具体对象出现的概率有关，而度量单位则用了“entropy”（熵）。从这个公式里我们可以看到，信息量越大，意味着不确定性越大，消除这种不确定性或者把它搞清楚，所需要的信息量就越大。该理论定义了信息是什么，怎么度量，以及怎么能够保证信息通讯的准确性。
科研探索未知世界，或解决实际问题的，而未知世界和实际问题是不分学科的，科研的突破点往往是交叉学科。
科研是面向问题研究的。
4、科学研究的道路与目标 孙贤和（美国伊利诺伊理工大学）
有一点必须指出，我们很多所谓的挫折，都来自于他人的观点和评价，是社会的评价。只有你自己可以真正了解，它们是挫折，还是个人选择。
5、促进中国高科技科研创新的想法 李凯（美国普林斯顿大学）
以发明即时贴闻名世界的3M公司的Geoffrey Nicholson博士给出明确的定义来区分科研与创新，他认为“科研是将金钱转换为知识的过程”，而“创新则是将知识转换为金钱的过程”。
6、多点思想，少点技巧 彭思龙（中国科学院自动化研究所）
面对问题的直接思考是有益的，并且是节约时间的。“能够有机会学习人类思想遗产的人是幸运的，而有能力继承这些遗产的人则是佼佼者，是值得倾佩的人。”
7、为什么人前进的路总是被自己挡住 熊辉（美国罗格斯·新泽西州立大学）
一篇值得反复读的文章。
8、创新就是解决现实问题 杜子德（中国计算机学会）
创新的本质，一类是解决现实问题，这属于技术范畴；另一类是发现和解释自然或社会现象，这属于科学范畴。
创新不是一个具体的“工程”。研究科学，本身就是创新。创新不是一个终极目标，也不是一个看得见的东西。创新是一种理念、一个过程、一种思维方式。创新不限于技术，还包括制度和方法，创新无处不在，是任何人都可以从事的东西。
学术一词包含有“学”和“术”两个不同的含义：学，是原理、机理、规律等，是科学；术，是技巧、方法、技术等。
创新的必要条件，第一，首先要学会质疑，要有批判性思维的能力和习惯，就像陈寅恪在纪念王国维的碑文上写的“独立之精神自由之思想”。第二，要找问题，知道问题在哪儿。第三，要解决问题，这是最终目标。
9、AI产生创造力之前：人类创造力的认知心理基础 陈浩 冯坤月（南开大学）
创造力被定义为对问题或情景反应的一种新颖但恰当的解决方式。有用性和新颖性是衡量创造力的标准。
10、工业界 vs. 学术界：一个年轻员工的视角 菲利普·郭（美国罗切斯特大学） 王长虎（字节跳动）
| 维度 | 优胜 |
|---|---|
| 地点灵活性 | 工业界 |
| 时间灵活性 | 学术界 |
| 私人空间 | 学术界 |
| 薪水 | 工业界 |
| 同事情谊 | 工业界 |
| 外界认可 | 学术界 |
| 工作有助于职业发展的直接程度 | 工业界 |
| 工作转化为影响力的直接程度 | 工业界 |
| 可控感 | 学术界 |
| 独立性 | 学术界 |
11、感觉的度量 武际可（北京大学）
客观事物的物理度量的指数上升使人对它的感觉线性上升。
12、20万、50万、100万年薪的算法工程师到底有什么区别 刘鹏（360集团）
第一层次“Operating”：会使用工具；
第二层次“Optimization”：能改造模型；
第三层次“Objective”：擅长定义问题。
13、研究到产品：距离有多远 张磊（微软研究院）
好的问题应该是既可以在研究上做的非常深入，又可以使研究成果真正解决实际问题，对产品有较大的影响。
14、如何成为优秀的计算机学者 高文（北京大学）
要想成为一名好的研究学者，首先就是要选准问题，要明确研究动机，长期坚持；其次找到问题的解决办法，把问题漂亮地解决；第三，把结果用论文形式发表出来，或者获得有价值的实际使用，获得奖励。换句话说，优秀学者的三个必备功夫是：提出问题（包括发现与抽象），解决问题（包括证明或者方法），公布答案（发表论文或者实际应用）。
三个一，即选择一个学会，绑定一个会议，锁定一个期刊。学会可以是IEEE或ACM，CCF；参加会议；论文发表在同一个期刊上。
15、前十载粗刀钝剑，再十年干将莫邪 山世光（中国科学院计算技术研究所）
实质影响力更多体现在“两用”上，即“引用”和“应用”。前者强调的是学术界的认可，对基础研究尤其重要；而后者则体现在工业界的认可。
16、教育、科学、因果之美 姚鸿勋 孙晓帅 郑影（哈尔滨工业大学）
居迪亚·珀尔教授，“人的一生中，最多只有一次机会来重塑某个沉寂了一个世纪后亟需取得突破的领域，千万不要错过它。”
17、机器能思考吗？ ——认知与真实 应行仁（美国华盛顿大学）
我们对世界的认识只是外界在意识中的影像，我们所理解的世界只是内心用逻辑建立起的因果联系，所谓的知识不过是通过语言交流，能够与他人意识产生共鸣的内容。
18、大数据研究的科学价值 李国杰
技术上解决不了的问题积累到相当的程度，科学问题就会浮现出来。
19、机器学习：发展与未来 周志华（南京大学）
部分重用他人结果，不必从头开始。