最新資料

基礎法學（民法、刑法及行政法）

臺灣原住民族史大意

臺灣原住民族文化

115年 - 115-2 交通部航港局_船員岸上晉升適任性評估筆試測驗_三等船副(新)：航海常識#142746(50題)

115年 - 115-2 交通部航港局_船員岸上晉升適任性評估筆試測驗_三等船長：船長實務#142745(50題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_一等大副：航海英文實作評估#142744(24題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_二等大副：船舶操作與人員管理#142743(50題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_二等大副：貨物作業#142742(50題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_二等大副：航行安全與氣象#142741(50題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_二等大副：航海與船舶操縱#142740(50題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_一等大副：船舶操作與人員管理#142739(50題)

115年 - 2026 教育部對外華語教學能力認證考試試題：華語口語與表達#142737(14題)

115年 - 115-2 交通部航港局_次船員岸上晉升適任性評估筆試測驗_一等大副：貨物作業#142736(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)

藥師二階國考 藥物治療學 分章節國考歷屆試題

講師：菜餅

簡介：參考考選部公告之命題大綱，分章節的藥物治療學練習題，藥學系準備藥師國考二階之試題。 若有錯誤，請告知...

藥師一階國考 藥理學考題 分章節國考歷屆試題

講師：菜餅

簡介：分章節的藥理學國考題，考試科目：藥師國考一階。章節排序參考原文書。

藥物治療學分章題庫彙整(115-2~109-1)

講師：鋼槍小企鵝(企鵝藥分)

簡介：二階藥師國考將至，藥治範圍大如海，來看看分章節題庫彙整，有主題性的快速掌握近五年藥治考點。 大章節與...

歷史（全）

課程：國中社會科總複習
章節：會考筆記與3年來大考題目整理（隨時間更新）

描述：國中歷史以臺灣、中國、世界三個不同的視角進行學習。背年代是否重要？如果有讓你了解事件發生的脈絡，那麼...

試題檔案

課程：國中社會科總複習
章節：會考模擬測驗試題

描述：試題特色：   符合新課綱大考趨勢，命題力求精準確實回應課綱。 難易適中，培養學生在面臨大考時的...

試題答案

課程：國中社會科總複習
章節：會考模擬測驗試題

描述：答案特色：   分別給予簡解與詳解，批閱體驗清晰、方便且快速。 詳解給予測驗冊次與單元來源，提供...

5. 依據克勞修斯-克拉伯隆方程式(Clausius-Clapeyron equation )，下列有關單一成分液體的 蒸氣壓與溫度之敘述，何者正確？ (A) 蒸氣壓為物質的固有性質，與溫度無關 (B) 蒸氣壓隨絕對溫度上升而呈指數型增加 (C) 蒸氣壓與絕對溫度的倒數呈正比關係 (D) 蒸氣壓與絕對溫度呈正比關係

6. 研究生在研究香水配方時發現，香水隨時間會呈現不同層次的香氣變化。當香水噴灑於 皮膚表面時，前調香味短時間內散去，而後調香味則可長時間留存。關於構成前調與 後調之兩種液體性質，下列何者敘述正確？ (A) 後調成分之香味可在皮膚上長時間留存，代表其揮發時不需吸收熱量 (B) 後調成分在常溫下的飽和蒸氣壓顯著高於前調成分 (C) 前調成分相較於後調成分，具有較大的汽化熱 (D) 前調成分的沸點通常低於後調成分

7. 以 X 光繞射儀分析晶體時，會使用到布拉格 ( Bragg ) 方程式，發生第一級反射時可表示 為：λ=2dsinθ，其中的 λ 是X光的波長，d是同類型晶面的平面間距，則下列何者正確？ (A) X光繞射儀最常用來分析材料的官能基種類 (B) θ 等於被晶面反射的光線與入射光的夾角 (C) 相鄰兩晶面的反射光產生破壞性干涉 (D) 方程式右側代表相鄰兩晶面的X射線之光程差

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