最新資料

交通標誌、標線、號誌設置規則

土壤物理學

植物種植與維護

115年 - 115 國立臺北大學_碩士班一般入學考試試題_法律學系(基礎法學組、公法學組、刑事法學組、財經法學組)：德文#146438(5題)

115年 - 115 國立臺北大學_碩士班一般入學考試試題_法律學系公法學組：憲法#146433(8題)

115年 - 115-1 電動車機電整合工程師-初級能力鑑定_第二科：電動車機電整合概論#146411(50題)

115年 - 115-1 電動車機電整合工程師-初級能力鑑定_第一科：電動車概論#146410(50題)

115年 - 115 澎湖縣國民小學暨附設幼兒園教師/代理教師甄選試題：幼兒教育專業及學前特教專業知能(含國語文)#146389(100題)

115年 - 115 國立臺北大學_犯罪學研究所碩士班甄試入學招生考試試題：犯罪學#146357(4題)

115年 - 115-3合作金庫商業_新進人員甄試試題_一般金融人員_專業科目：含會計學、貨幣銀行學、法律常識(票據法/銀行法)#146331(70題)

115年 - [無官方正解]115-2 保險事業發展中心辦理 _防制洗錢與打擊資恐專業人員測驗試題：防制洗錢與打擊資恐法令及實務#146178(80題)

115年 - 115 高雄醫學大學_學生轉系考試試題︰英文#146089(36題)

115年 - 115 澎湖縣國民小學暨附設幼兒園教師/代理教師甄選試題：幼兒教育專業測驗含國語文#146056(107題)

6. Consider the linear population model with intercept:$y_t = \alpha + \beta x_t + \varepsilon_t$The variance structure is known as below: $E(\varepsilon_t^2) = \sigma^2 h_t^2,$Which regression may obtain efficiency $\hat{\beta}$ estimator? (A) Regress \( y_{t} \) on 1, \( x_{t} \) (B) Regress \( y_{t} / h_{t} \) on 1/ht ,xt/ht(C) Regress \( y_{t} / h_{t}^{2} \) on 1/h2t ,xt/h2t(D) Regress \( y_{t} \) on 1/ht ,xt/ht(E) Regress \( y_{t} / h_{t} \) on 1, \( x_{t} \)

5. Consider the linear model with intercept: $y_t = \alpha + \beta x_t + u_t$ If the $A = \sum_{i=1}^{n} (x_i - \bar{x})^2$ is positive definite and $E(u_i \mid x_i) = 0, \forall t = 1, 2, \dots, T$, which statement is true under sample size $T \to \infty$. (A) \( \hat{\beta} \) is consistent, but we cannot judge whether \( \hat{\beta} \) is efficiency (B) \( \hat{\beta} \) is unbiased and efficiency (C) \( \hat{\beta} \) is consistent and efficiency (D) \( \hat{\beta} \) is, but we cannot judge whether \( \hat{\beta} \) is efficiency (E) \( \hat{\beta} \) is unbiased and consistent.

4. Consider the simple regression $y_i = \alpha + \beta x_i + \varepsilon_i$And suppose population parameter $\beta = 2$ and least square estimator $\hat{\beta} = 2.3$. Now consider the regression $(x_i - y_i) = \alpha^* + \beta^* x_i + u_i.$What is the value of \( \hat{\beta} \)? (A) 1 (B)-1 (C)-1.3 (D)-0.3 (E) 0.3

五、請說明國道電子收費與外部性的關係，並分析尖峰和非尖峰時段是否應收取相同費率。(15 分)

四、政府實行所得重分配政策是否可以提高經濟效率？為什麼？(20 分)

三、社會安全退休年金制度對個人儲蓄行為有哪些可能的影響？(15 分)

高中物理

講師：【站僕】摩檸Morning.

簡介：高中物理

高中化學

講師：【站僕】摩檸Morning.

簡介：高中化學

高中公民

講師：【站僕】摩檸Morning.

簡介：高中公民

計算機組織與結構 (Computer Organization)

課程：計算機概論(含網路概論）
章節：章節

題目

描述：考題內容

程式語言與系統程式

課程：計算機概論(含網路概論）
章節：章節

15. 定溫下發生不可逆化學反應： 2 A → B，其中 A 為反應物，B 為生成物。已知 A 的濃度隨 時間線性下降，則下列敘述何者正確？(濃度和時間的單位分別為M與min) (A) 速率常數的單位為M/min (B) 此反應屬於二級反應 (C) A的消耗速率等於B的生成速率之一半 (D) A的半衰期正比於ln2

17. 關於電池的電動勢、電壓降和端電壓的敘述，下列哪個解釋最合理？ (A) 功能正常的電池在接上小電風扇後，電動勢立刻變成0 (B) 電池有內部阻抗所產生的電壓降，使小電風扇運作時端電壓會小於電動勢 (C) 因為電池輸出為交流電，所以速度不穩 (D) 小電風扇兩端點間的電壓一定等於電動勢，所以風變弱與電壓無關

18. 某一個實驗室有兩個照明燈並聯後接在110伏特的電壓下使用，已知燈泡甲消耗50瓦特， 燈泡乙消耗100瓦特。假設燈泡點亮後皆未燒斷，則此電路之總電流值為多少安培？ (A) 1.36 (B) 2.36 (C) 3.36 (D) 4.36

9. 某電商平台計劃開發一個機器學習模型，目標是在每個月底自動預測哪些現有會員在下個月可能會流失(不再消費)，以便行銷團隊提前發送優惠券進行挽留。若要提升模型預測會員流失的效果，在進行特徵工程(Feature Engineering)時，下列哪一項作法最適合？ (A)為了提高預測的準確度，特徵與要預測的目標值(是否流失)之間，在統計上不需要具備任何關聯性或因果關係； (B)可以將「會員下個月是否仍有消費紀錄」加入模型特徵，因為該資訊與會員是否流失具有高度關聯性； (C)為了縮短模型推理(Inference)的反應時間，特徵所涵蓋的時間範圍越短越好，建議一律只保留前一天的單日行為資料； (D)所選取的特徵，必須是在每個月底模型進行預測的當下，系統就能實際取得且掌握的已知資料

49. 某金融機構計劃開發一套智慧理賠防詐欺與自動化審查系統。該系統的運作流程為：先由模型 A 分析客戶上傳的診斷書與收據影像，評估並輸出該案件屬於「正常理賠」或「疑似詐欺(高風險)」的機率值；確認為正常案件後，再由模型 B 根據診斷書內容進行上下文語意推理，自動撰寫客製化的理賠通知信函與案件摘要報告。下列關於兩個模型的敘述，何者最正確？ (A)模型 A 負責判斷案件風險，屬於鑑別式 AI；模型 B 負責產生通知信與摘要內容，屬於生成式 AI； (B)模型 A 會產生風險分數，因此屬於生成式 AI；模型 B 負責解讀與鑑定內容，因此屬於鑑別式 AI； (C)兩個模型皆採用深度學習技術，因此皆屬於生成式 AI； (D)兩個模型皆以分析資料內容為主，因此皆屬於鑑別式 AI

50. 某金控公司計劃導入「美股即時分析 AI 助理」，該助理須同時滿足兩項需求：第一，回覆內容須遵循固定的合規格式與專業口吻；第二，能提供當日最新股價及財報等即時更新資訊。關於技術團隊對上述需求所提出的技術建議，下列何者最為正確？ (A)對第二項需求，採用 Fine-tuning 比 RAG 更合適，因為可持續將最新資料微調至模型權重，以避免模型產生事實幻覺； (B)針對第一項需求，採用 RAG 比 Fine-tuning 更合適，因為 RAG 可將合規規範文件檢索後提供模型參考，使模型自然維持固定格式；(C)針對第二項需求，採用 RAG 較為合適，因為每日更新的股價與財報若持續透過 Fine-tuning 維護，難以兼顧時效性與維護成本； (D)針對第一項需求，採用 Fine-tuning 較為合適，因為微調能改變模型對特定知識的記憶，無法影響模型的輸出格式與口吻