任时完([辩护人、未生])饰演首尔厅调查5局2科1组新上任的组长黄东柱，他左右逢源，并以独特的毒舌能力显得非常出众。高我星([汉江怪物、火星生活])饰演租税5局的调查官徐慧英，她有著比一般人更精准的直觉与调查能力，比任何人都积极并带领著整个团队。孙贤周([隐秘而伟大])饰演前国税厅总厅调查局长、现任首尔地方国税厅厅长印泰俊，他拥有敏锐的头脑和出色的职场判断力，一直保持着堂堂正正又高傲的态度。朴勇宇饰演调查5局的吴影。他以前也曾是租税局的王牌，曾经很活跃但现在不可同日而语。该剧由李胜英执导，金铉贞(《操控》)操刀剧本。
I'll wait for you at the next village
尹夏沫和洛熙因同是孤儿的身份彼此互相吸引。但深爱夏沫的欧辰为了分开两人，把洛熙送到英国留学。夏沫的养父母在送其弟尹澄去医院的路上出车祸死去，夏沫悲痛欲绝，将一切怪罪于欧辰，从而导致他出车祸丧失了记忆…… 五年后洛熙成了超级天王巨星，夏沫与他重新相遇再续前缘。但一切随着欧辰恢复记忆而崩塌，为了抢回夏沫，他以把肾给尹澄作为条件。为了弟弟，夏沫选择了欧辰，却导致婚礼当天绝望的洛熙自杀。而无意间得知真相的尹澄，在上手术台的前一刻坚持拒绝接受手术。悲痛于洛熙的自杀，愧疚于欧辰的深情，本就备受内心煎熬的夏沫，再也无法接受尹澄病逝的打击，支撑不住的她，陷入了与世隔绝的自我封闭状态。
该剧是以单元的剧式对狄仁杰侦破案件的故事进行全新的揭秘与解读，讲述了破获以情花案和金人案为代表的一连串谜案的故事。
尹旭的名号正如日中天，东方六国谁人不知。
莫家与梅家起初是相安无事，可是后来因为梅仁信的不近人情，以及种种芝麻绿豆的小事，与莫家二妹莫丽花搞到水火不容，摩擦不断,恩怨越结越深，难以化解。
甚至闯入正在举办奥运的竞技会场？
The method of entering the recovery model is very simple.
在旁边站着的是拿着染满鲜血的宝剑的阿亚纳米……而那个静静地躺卧在血海中的男人，“那是……我的父亲！”泰德终于想起来自己是拉古斯的亡国王子。于是，泰德逃离了军队……
三嘟趁乱夺走了一只耳手中的能量块，而黑猫警长即将面临前所未有的大挑战……
出乎意料的是项梁竟然没有丝毫喜悦之情，萧公角立即察觉一场，仔细看过去时，笑容顿时凝固了。
而博弈的基础思想，自然是联弱抗强，就像六国论或者三国演义那样，照理说该与飞龙国联手，只是在杨长帆与徐文长的判断中，飞龙国只是一时得势罢了，狂不过一年，而徽王府攻浙，代价太大，付出的不仅仅是人财物，还有名声。
Count of Cantmir
听到张良这么说，樊哙不由的再次脸红。
这是一个披着惊悚鬼片的外皮实则是告诉大家唯有学会宽恕才能最终获得幸福的鸡汤故事。 男主前世的恋人误会她的男朋友也就是男主的前世试图利用牺牲她来破除他富有的家族的诅咒，伤心之余她自杀了，死后化身厉鬼出没在男主家的大宅里一天到晚吓人。 男主的前世死了后投胎成男主并知晓了厉鬼的凄惨故事，于是尽他可能来帮助女鬼从仇恨中解脱。女主是名医生，被请来医治男主的生病的最小的妹妹。在这所闹鬼的神奇的大宅里，她遇到了很多灵异事件，并且慢慢揭开了这个家族不为人知的秘密~
1994年6月的一个夜晚，洛杉矶市某个郊外社区的一户人家突发血腥惨案。一男一女不知被何人杀害，死状可怖，而警方初步调查后很快将嫌疑人指向了女性死者的前夫——著名黑人橄榄球明星欧·杰·辛普森（小库珀·古丁 Cuba Gooding Jr. 饰）。现场大量证据将矛头对准了辛普森，检方常胜女将克拉克（莎拉·保罗森 Sarah Paulson 饰）磨刀霍霍，势要将这位国民明星拉下神坛。与之相对，辛普森拒绝认罪，他一度逃亡，上演了全国直播的大戏，之后不惜巨资聘请了梦幻律师团为其辩护。对战双方纷纷派出精兵强将尽最大可能搜集对自己有力的人证物证。而牵动全美民众之心的“辛普森案”正朝着难以预料的方向驶去……
康纳邀请海沃思家族参加一场49人队的比赛，他正试图完成他的最新交易；汤姆有机会展示他的足球技术；丹尼斯试图让莎拉接受沙米娅对啦啦队的新兴趣。
开始了新生活的两个人，即使否认了心里的眷恋，也无法拒绝内心的悸动，再次相遇的两个人要如何坦诚面对自我？
Information Theory: I forget which publishing house it was. It is a very thin book and it is very good. There is a good talk about the measurement of information, the understanding of entropy and the Markov process (there is no such thing in the company now, I'll go back and find it and make it up). Mastering this knowledge, it is good for you to understand the cross entropy and relative entropy, which look similar but easy to confuse. At least you know why many machine learning algorithms like to use cross entropy as cost function ~
