最新資料

台糖◆能資源管理

二技統測◆餐旅類◆(一)餐旅管理(含餐飲管理、 旅館管理旅館管理、旅行業管理)

二技統測◆設計類(四)◆(一)建築理論與技術

115年 - 115 中華郵政股份有限公司_職階人員職階晉升甄試試題_專業職(一)晉升營運職：郵政法規(包括郵政法、郵政儲金匯兌法、簡易人壽保險法、郵件處理規則及郵務營業規章)#145685(11題)

115年 - 115-1薦任公務人員晉升簡任官等訓練及警正警察人員晉升警監官等訓練試題：情境寫作#145679(2題)

115年 - 115 高雄市政府教育局所屬學校_護理師及營養師聯合甄選試題：營養師專業知能(含食品營養、食品衛生管理)#145678(50題)

115年 - 民法.pdf#145677(12題)

115年 - 115 高雄市政府教育局所屬學校_護理師及營養師聯合甄選試題：學校衛生護理學#145676(50題)

115年 - 115-2 薦任公務人員晉升簡任官等訓練及警正警察人員晉升警監官等訓練試題：情境寫作#145675(2題)

115年 - 115 高雄市政府教育局所屬學校_正式護理人員暨約聘護理師聯合甄選試題：綜合護理(含內科、外科、產科、兒科、精神科與公共衛生護理學)#145674(50題)

115年 - 115-1 委任公務人員晉升薦任官等訓練_紙筆測驗試題：實務寫作#145673(4題)

115年 - 115-2 臺灣銀行_新進人員甄試試題_7 職等／際金融儲備人員：英文(中翻英與英翻中)#145672(4題)

115年 - 115 國立成功大學附屬臺南工業高級中等學校護理師甄選試題#145671(50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)

課程學習1

講師：【站僕】摩檸Morning.

簡介：課程學習1課程學習1課程學習1課程學習1課程學習1 課程學習1課程學習1課程學習1課程學習1課程學習1 課程學...

全彩圖解英文音標發音課-自然發音+KK音標一次全學會！

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：提供全彩圖解英文音標發音課程，學完讓你自然發音+KK音標一次全學會！ 課程特色: 1.圖解、音標、注音、符號...

高一下英文課程(十年級)

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：高一下單字課，老師講解，偶爾有片語。

學習目標5

課程：國一下英文課程(七年級)
章節：Lesson 5:How Often Do You Clean Your Room?

描述：6種常見的頻率副詞用法。

Lesson 6:Where Were You Yesterday

課程：國一下英文課程(七年級)
章節：Lesson 6:Where Were You Yesterday?

描述：過去簡單式的用法，與過去式：前天、昨天、大前天的時間性表達。

警專英文

描述：警專的英文常用文法

10. 研究生在實驗室測得某液體在固體表面上的接觸角為120°，則該固體表面對於此液體呈現 何種潤濕現象？ (A) 液體可以完全潤濕固體表面 (B) 液體較容易潤濕固體表面 (C) 液體完全不潤濕固體表面 (D) 液體較難以潤濕固體表面

11. 苯與甲苯的混合物可視為理想溶液，當此混合物形成二相系統時，下列何者敘述正確？ (A) 在定壓下，混合物完全氣化的溫度與液相苯的莫耳分率呈線性關係 (B) 在定壓下，混合物完全液化的溫度與液相苯的莫耳分率呈線性關係 (C) 在定溫下，混合物的氣相甲苯分壓與液相苯的莫耳分率呈線性關係 (D) 在定溫下，混合物的氣相甲苯飽和蒸氣壓隨液相苯的莫耳分率線性下降

12. 定壓下尼古丁與水的混合溶液形成的相圖如圖 ( 一 ) 所示，混合 X g 尼古丁和 60 g 水，再將混合物加熱到120°C。若液體的揮發量可忽略，且可觀察到一個液-液界面，之後在120°C 下又加入Xg尼古丁，達平衡後界面消失，則X可能是下列何值？ (A) 300 (B) 250 (C) 150 (D) 50

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