《Freestyle妈妈》：人过中年的主妇细川房子（中山美穗 饰）在生活、职场中充满不快，某晚下班时一个奇怪男子推荐给她一支神秘口红。突然口红后，她就会以说唱的方式把心中不满一吐为快。
检察官高剑在一起案件调查中发现，案件幕后主使竟与好友铁力有着千丝万缕的关系。高剑在案件调查中不断遇到阻碍，自己也险被对手陷害，在情与法的漩涡中，高剑坚持正义。
前御林军首领罗风野心勃勃意欲成为国际鸦片大枭，设计绑架了聪明美丽的公主佩佩并将其带往荒凉的美国西部。中国朝廷只有两个选择：宣布开战，或支付巨额赎金。身怀绝技的御林军士兵江威千里追凶，在美国内陆，他先是与印地安人闹出绯闻，后是在路上与一个火车扒手罗伊结识并结伴西行，两人一起闹出了许多笑话还被西部局长追杀。
Sichuan Province
戚继光自然有自己的野心，募兵开支要用在刀刃上，自己才刚有了兵权，正是大展拳脚的时候，岂能用在别人的募兵上？再换个角度，走工部的路线。
相对世界在 2017年4月28日和5月5日分别播出前篇和后篇，故事为一个序章。
1966年，周慕云从新加坡回到香港，在偶然的机缘下住进2047号房，开始卖文生涯。有时他彷佛完全忘掉了过去，但有时，他彷佛只是在欺骗自己，偶尔遇上某人、某事，往事复又在他心底骚动。他遇上不同的女人──新加坡的职业赌徒苏丽珍、在夜总会重逢的露露、住在2046号房的白玲、公寓老板的女儿王小姐。他们都不单只是擦身而过而已…在彼此内心短暂驻足后,他反而对过去更加历历在目,更加挥之不去。
杨诗温(苏怡贤饰)与男友李亨俊(金材昱饰)都是警察，在一次危险的任务中，男友李亨俊失去生命，杨诗温也发生意外脑死亡，六年后醒来，醒来后的杨诗温失去了记忆，却拥有特殊能力，她能看到死者的灵魂，杨诗温去医院她告诉医生能看到似人非人的东西，就在这时，她看到一个男人手里拿着一只笔频繁的按动，脑袋后有一致命伤口不停地流血，那个人面无表情，从医生办公室的窗户纵身跳下，杨诗温从窗户往下看却什么也没有，她内心十分恐惧。
7-4, 5-6, both dead
李善均将主演AppleTV+首个韩语原创剧集《头脑博士》(Dr.Brain,暂译)。该剧将由金知云([密探])自编自导,故事改编自同名人气网络漫画,讲述一位大脑科学家的故事,他沉迷于开发一种新的技术以探访大脑的意识和记忆。当他的家庭成为一场神秘事故的受害者,他的生活陷入困境。他利用自己的技术从妻子的大脑中获取记忆,拼凑出他的家庭究竟经历了什么,以及这些事情发生的原因。该剧由YG旗下影视公司Studioplex和BoundEntertainment制作,目前已经开拍,计划于今年晚些时候开播。
杨长帆打道回府之时，院中已莫名堆了几箱子东西，家丁只说是古月先生遣人送来的。
该剧根据潘小楼原著小说《女孩们在那年夏天干了什么》改编，由豆瓣阅读授权。讲述了五个女孩在一场“特别的安排中”走进密室，15年前那个夏天发生在校园中的青春悬疑往事慢慢浮现。一个女生因为美丽陷入流言，少女们的性萌芽与人性原始的复杂善恶形成了真实与虚幻交织的故事。
该剧以诙谐幽默的方式讲述了苦逼程序员周铁农和创业伙伴抗日剧编剧罗开旺在青橙芒果咖啡店里路演融资而发生的多姿多彩的故事。作为青橙芒果咖啡的常客，周铁农和罗开旺经常会有一些别出心裁的奇思妙想，在咖啡店里视觉享受着店花曼玉36F曼妙身材的同时，不停的用各种创业idea吸引老谋深算的张总来投资，从而引发了各种各样有趣的故事。
尼玛，一部武侠剧竟然比喜剧还要搞笑，我算是服了。
自从《蓝色星球》2001年开播以来，我们对大海之下生命的理解被彻底颠覆了。从北极熊出没的北冰洋到焕发着勃勃生机的蓝色珊瑚环礁，本系列纪录片同大家分享一些令人吃惊的新发现；邂逅在南冰洋深处神出鬼没的奇怪章鱼，观赏巨大的鲹鱼跳出水面，飞跃到半空中捕鱼；骑在虎鲸的背上，同它一起冲向鱼群。《蓝色星球2》带领我们体验让人敬畏称奇的新地方，见识魅力四射的新物种，了解非同寻常的新行为。
《名姝第三季》定下开播日期：7月10登陆Hulu。
玛嘉烈和海伦这两姊妹，认识了保守而富有的威郭斯家族，海伦更与家族幼子谈起恋爱，可惜二人最后不欢而散，两家人也因此不再来往。但威郭斯太太临终前却把大屋留给她的好友玛嘉烈，而玛嘉烈又与威郭斯先生产生了感情，究竟如何是好？
板栗笑眯眯地挽留道：淼淼，帮人帮到底，不如你就在这住一晚，也省得明儿再来。
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 ~
