20. 某學校的工程師在一台辦公室電腦上測試校內教學平台連線，結果如下： ping 203.64.12.10 → 成功 ping course.school.edu.tw → 失敗，顯示「找不到主機名稱」 將 DNS 伺服器改為另一組公共 DNS 後，再次執行： ping course.school.edu.tw → 仍然失敗，顯示「找不到主機名稱」 在該電腦的 hosts 檔案中加入： 203.64.12.10 course.school.edu.tw 再次執行： ping course.school.edu.tw → 成功 根據以上測試結果，最可能的問題原因為何？
(A) 防火牆封鎖了對外的 HTTPS 流量。
(B) 本機或網路環境中的 DNS 查詢流程異常，導致主機名稱無法被解析。
(C) 路由器的 NAT 設定錯誤，導致封包無法轉送至外部網路。
(D) 網路卡驅動程式損毀，導致封包無法正常送出。

21. 給定無向圖如下： 此圖的最小生成樹(Minimum Spanning Tree)權重總和為何？ (A) 6 (B) 8 (C) 10 (D) 12

22. 使用 K-means 演算法進行分群。若有 6 筆資料如下：P1 = (2, 1) P2 = (7, 7) P3 = (3, 1) P4 = (1, 4) P5 = (6, 9) P6 = (11, 8) 欲將資料分成 2 群，初始群心設定為： C1 = (1, 1) C2 = (8, 8) 若使用歐氏距離(Euclidean distance)進行分群，請問經過第一次分群指派 並重新計算群心後，新的群心座標為何？ (A) C1 = (1, 1)，C2 = (8, 8) (B) C1 = (2, 2)，C2 = (8, 8) (C) C1 = (13/4, 13/4)，C2 = (17/2, 17/2) (D) C1 = (13/3, 10/3)，C2 = (26/3, 20/3)

23. 下圖為一個簡化的檔案樹狀結構，共有 A~L 12 個資料夾。 若從資料夾 A 開始進行深度優先搜尋(Depth-First Search, DFS)，並且同 一層資料夾必須依英文字母順序由小到大拜訪，請問下列何者為正確的拜訪順序？ (A) A→B→E→F→I→J→C→G→K→L→D→H (B) A→B→E→I→F→J→C→G→K→L→D→H (C) A→B→C→D→E→F→G→H→I→J→K→L (D) I→J→K→L→E→F→G→H→B→C→D→A

24. 某主機 IP 位址為 172.16.20.130，子網路遮罩為 255.255.255.192。下列哪 一個 IP 與該主機位於同一子網路？ (A) 172.16.20.63 (B) 172.16.20.100 (C) 172.16.20.150 (D) 172.16.20.200

25. 下列關於網路攻擊名稱與主要手法的配對，何者正確？ (A) Phishing：利用大量流量癱瘓目標伺服器，使其無法提供服務 (B) DDoS：偽造官方網站或郵件，引誘使用者輸入帳號密碼 (C) SQL Injection：將惡意 SQL 指令插入輸入欄位，以嘗試讀取、竄改或 破壞資料庫 (D) Social Engineering：利用程式自動排序大量資料，以提升系統效能

26. 進行聲音數位化時，通常會經過取樣(sampling)與量化(quantization)。 關於取樣與量化的敘述，下列何者最正確？ (A) 取樣頻率主要影響時間軸上的解析度，量化位元數主要影響振幅可被 示的精細程度。 (B) 提高量化位元數可以增加每秒取樣的次數，因此主要影響高頻聲音是否 能被正確記錄。 (C) 提高取樣頻率可以增加每次取樣時可表示的音量層次，因此主要可降低 聲音雜訊。 (D) 只要量化位元數足夠高，即使取樣頻率很低，也能完整還原原始聲音中 的高頻成分。

27. 某校資訊教師帶領學生製作一個影像辨識模型，用來判斷校園植物照片屬於 「樺樹、榕樹、白千層」三種類別之一。學生蒐集了 500 張訓練影像，其 中大多數照片都在晴天、正面角度、背景單純的情況下拍攝。模型在訓練資 料上的準確率達 98%。但後續新拍攝的照片辨識率不佳，尤其遇到陰天、 側面角度或背景複雜的照片時容易判斷錯誤。關於此情況，下列敘述何者最 合理？ (A) 模型在新照片表現不佳，主要是因為訓練 epochs 不夠多。 (B) 若模型在新照片表現不佳，最適合直接增加輸出類別數量，讓模型可以 辨識更多植物種類，以改善原本三類植物的辨識效果。 (C) 影像辨識模型的設計原本就是設定只能辨識與訓練資料完全相同的照 片，因此只要新照片與訓練照片不同，辨識錯誤是必然現象。 (D) 模型可能過度擬合訓練資料中的拍攝條件與背景特徵，可透過增加多樣 化資料來提升模型的泛化能力。

28. 關於多因素驗證(multi-factor authentication, MFA)的敘述，下列何者正 確？ (A) MFA 常見的做法是透過兩個步驟的登入流程，例如先輸入密碼再回答預 先設定的安全性問題。 (B) MFA 要求使用者依序通過多個驗證步驟，因此只要增加驗證步驟的數 量，安全強度就能獲得線性提升。 (C) MFA 的重點在於結合不同類型的驗證因素，例如密碼搭配一次性驗證 碼、硬體安全金鑰或生物特徵。 (D) MFA 主要用來加密使用者資料，因此可避免資料庫遭 SQL injection 攻 擊。

29. 若使用選擇排序(selection sort)欲將下列陣列由小到大排序： [24, 17, 9, 31, 13] 每一輪會找出目前尚未排序元素的最小值，請問執行完第 2 輪後，陣列狀態 為何？ (A) [9, 13, 24, 31, 17] (B) [9, 17, 24, 31, 13] (C) [9, 13, 17, 24, 31] (D) [13, 17, 9, 31, 24]

30. 當大型語言模型讀到一個句子： 「學生把作業交給老師，因為他明天要請假。」 要產生回答或進行語意分析時，模型需要根據上下文判斷「他」較有可能指 的對象是老師還是學生。若模型使用 Transformer 架構，下列哪一個機制最 能幫助模型在處理「他」這個 token 時，同時參考句中其他 token 的語意 關聯？ (A) 使用位置編碼(positional encoding)記錄每個 token 在句子中的位置， 以判定代名詞所指涉的對象。 (B) 使用詞嵌入(word embedding)將每個 token 轉換成向量，便可確認每 個 token 的語意。 (C) 使用前饋神經網路(feed-forward neural network)調整「他」這個 token 的向量表示，使其包含更多語意資訊，進而判斷所指對象。 (D) 使用自注意力機制(self-attention)計算 token 之間的關聯權重，使模 型可依上下文調整各 token 的表示。

115年 - 115 臺南市立蓮潭國民中小學(國中部)教師甄選試題：資訊科技科#140304

115年 - 115 新北市立國民中學_教師聯合甄選試題：資訊科技科#140270

115年 - 115 高雄市立高雄高級中學_正式教師甄選試題︰資訊科技科#140122

115年 - 115 臺北市公立國民小學教師聯合甄選初試專門類科知能試題：資訊科技科#139878

115年 - 115 臺北市立成淵高級中學_正式教師甄選試題：高中資訊科#139666

115年 - 115 教育部受託辦理公立高級中等學校教師甄選試題：資訊科技科#139592

115年 - 115-1 國立頭城高級家事商業職業學校_教師甄選試題：資料處理科#138785

115年 - 115-1 國立竹東高級中學_教師甄試試題：資訊科技概論科#138750

115年 - 115-1 國立羅東高中_教師甄選初試試題：資訊科#138680

115年 - 115-1 國立蘭陽女子高級中學_教師甄選試題︰資訊科技科#138669