出道作品大受欢迎的新人小说家井町润（24岁·女性）。因为卖得很好，所以因为对下一部作品的压力而写不出作品来。润从东京的喧嚣中逃出来，目的地是大阪和京都之间的京阪电铁的“电缆八幡宫山上站”。在那里，遇到了原厨师创介（39岁）和小学生的心（女孩）。润被带到创介和心经营的民宿“纽带屋”，长期滞留。在羁绊屋生活，通过与创介、心、来住宿的客人接触，自己的心也逐渐成长写了第二部作品之后就逐渐向前看了。
Table tennis
这对别人来说，那是一件不可能的事，但是对陈启这个拥有一个世界几十年积累的人来说，那是再简单不过的事。
民国初年，皖南小城李镇。当地最大的家族白家在当家人白克礼的统率下生意昌隆。某夜，马帮头目沈虎带着马贼杀入李镇。白克礼的二太太美玉在逃亡中生下一女，贴身婢女庆嫂考虑到白家重男轻女，便将另一孕妇雪仪所生的儿子换走，留下女婴…。马帮被白克礼带着保安队打败，沈虎只身逃走。白克礼寻回美玉，得知已诞下麟儿，欣喜若狂，为爱儿取名“进来”。女婴被雪仪取名“秀雯”，只是无人知晓她竟是白家大小姐…。巨变迭起，偌大的白家暗流涌动！在情感与财富的争夺面前，人性开始变得扭曲，白克礼与白进来即使曾经亲如父子，如今却勾心斗角，各自暗藏鬼胎。瑞安表面上对父子都是忠心耿耿，实则两面三刀。白家的女人们为了各自的前途同样暗自算计。沈虎更是虎视眈眈，随时准备吃掉白家。白家上下、小城内外，人性的善与恶在争斗着、继续着…
2 出租的爱
原本过着平凡生活的女高中生星泉（长泽雅美 饰），突然得知了父亲车祸身亡的噩耗。当她还来不及悲伤之际，另一伙凶巴巴的人马找上门来。原来这些人是黑帮组织目高组的成员，他们的老大刚刚去世，生前留下遗言将组织传给星泉的爸爸。与星泉有过一面之缘的若头佐久间（堤真一 饰）大力推选女孩继承组织，而女孩却不愿为此耽误学业。另一方面，目高组的对手浜口组趁势扩张侵略，双方战火一触即发。星泉在此期间得知父亲可能死于黑帮头目之手，几经周折她同意出任目高组第八代组长。水手服与机关枪组合，一个少女黑帮头目的故事就此展开……
影片是08年《死亡飞车》的前传。
北国风光，千里冰封，万里雪飘，人们进入猫冬时节......近年来，随着农村的经济发展，一些陈俗恶习也随之滋生蔓延，并愈演愈烈。村支书林三木决心引导村民改变陋习，创业致富。他刚制定了《移风易俗，建设美丽乡村》计划，并向镇党委书记李钟鸣立下了“军令状”。随之烦心事就接踵而来，村中的“四大金刚”就外来的“佛手”老阚聚赌，输得很惨，他们的家人哭喊着来找林三木告状，村副主任于倩雪建议用强制性手段处理“四大金刚”，而林三木则要采取“攻心战术”，从思想上彻底改变他们，两个人意见相悖，发生了激烈争执。而一直暗恋林三木的家庭农场场主车翠菊抱打不平，不失时机地参与进来。于是，一场现代文明与尘俗陋习的较量、三角恋情的角逐明火执仗地展开了。
在一个地方城市发生的交通事故。有一个女姓的男人在车祸中丧命，后来演变成车祸。驾驶着车的青年宗方秀一，坐在副驾驶席的好友森田辉。两人忙着参加秀一的婚礼。未婚妻是大型建设公司副社长的女儿白河早苗。让我伤心的受害者的父母时山光央和千鹤子。负责那件事的老刑警柳公三郎和新晋刑警前田俊。不可否认的是从平淡的日常中被卷进事件，各自的人生复杂地错综复杂复杂，抱着的心情浮现出来。他们的内心深处发生了什么?产生了什么?在那悲剧的前方，他们能找到什么?
从小聪明上进的乔夕辰一路从小镇考到北京上学、工作。她工作勤恳踏实，日常精打细算，生活得有滋有味。好友胡晶晶突然离世，打破了她平静的生活。乔夕辰与一起长大的闺蜜许言、胡晶晶的表姐纪南嘉共同面对胡晶晶的离去，带着对她的怀念继续生活。乔夕辰公司空降领导简亦繁，并宣布裁员，同时她负责的项目突发状况，在自己的努力和同事们的帮助下，她顺利渡过难关，并与简亦繁走在了一起。原上司回归，乔夕辰被调离核心岗位，她不急不躁，做好本职工作，还找到新的事业方向。纪南嘉的公司因市场需求变化产生运营危机，她从生活中挖掘新商机，走向事业新高峰，同时收获真挚爱情。许言为了本地男友留在北京，却因消费观念差异与男友分手，她最终醒悟，摒弃对浮华的追逐，寻找真正的人生价值。三人都明白了乐观拼搏、勤恳踏实的意义，走向了新生活。
故事聚焦年轻女巫Sabrina Spellman，她半人半巫，致力于与威胁到她自己、家庭以及人类性命的邪恶势力作斗争。充满超自然、恐怖、魔法、巫术等元素，风格类似《罗斯玛丽的婴儿》和《驱魔人》。
《靴靴惹爱情第一季》剧情描述的是四个女人对应不同的鞋子象征四种不同的爱情，每个女人有两个纠结的男人，到底会选哪一位呢？
I like this kind of popular science
Lins Concubine 10
性格内向的严小赖和转学生吉恬恬成了同桌，十几年同窗的缘分让这对
Q: In your opinion, is it important to understand domain expertise when solving data science problems?
