最新資料

升資考/佐級晉員級◆運輸學概要

升資考/員級晉高員◆運輸學

升資考/員級晉高員◆企業管理

115年 - 危險物品運送人員訓練：罐槽車_選擇題 101-150（2026/06/01 更新）#144744(50題)

115年 - 危險物品運送人員訓練：罐槽車_選擇題 51-100（2026/06/01 更新）#144743(50題)

115年 - 危險物品運送人員訓練：罐槽車_選擇題 1-50（2026/06/01 更新）#144742(50題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—助理管理師【資訊處理(硬體)】_資訊處理(二) ：1. 電腦網路 2. 資通安全#144741(50題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—助理管理師【企業管理】：自來水營業管理#144740(50題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—助理工程師【機電工程】：電工原理#144713(50題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師：土木工程#144705(40題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師/助理工程師/助理管理師_共同科目：英文#144704(15題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—助理工程師【機電工程】：基本電學#144703(50題)

115年 - 115 國立台北教育大學師資培育處_各類料教育學程暨小學雙語模組甄選複審試題：國語文#144702(35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)

教育統計

講師：Terry Tung

簡介：國家考試考古題整理

這是我的課程

講師：陳耘得

簡介：這是測試

123

講師：陳耘得

簡介：12312312

國文

描述：判斷

國文

描述：判斷

微積分6.2 7-13小題答案

描述：拯救危機

30. 有關周杰倫《青花瓷》歌詞中「在潑墨山水畫裡，妳從墨色深處被隱去」所描述的表現技法與下列何者所擅長的繪畫風格相符？ (A) 唐代李思訓 (B) 北宋張擇端 (C) 清代郎世寧 (D) 民國張大千

31. 圖(十二)為小紋到宜家家居(IKEA)購買家具後，從包裝盒內拿出來的一張拆裝圖，有關此圖，下列敘述何者正確？ (A) 此圖的設計重點應該著重在視覺美感上，讓消費者覺得好看 (B) 此圖將複雜的家具拆裝步驟以圖示呈現，故是屬於資訊設計 (C) 此圖的設計重點應該著重在家具品牌上，讓消費者覺得好用 (D) 此圖很清楚地將產品外觀功能繪製出來，故是屬於服務設計

13. 某電商平台的資料科學團隊欲建置一套 NLP 模型，用於分析顧客在社群媒體上對商品的評論情緒。在將原始貼文資料送入模型訓練前，團隊執行了以下步驟：移除貼文中央雜的 HTML 標籤與網址、將表情符號轉換或移除、去除「的、了、啊」等對情緒判斷無實質貢獻的停用詞，並統一將文字轉換為小寫格式。請問上述步驟主要屬於機器學習專案流程中的哪一環節？ (A)模型評估(Model Evaluation)：透過移除干擾詞彙，計算模型在測試資料集上的準確率、精確率等指標表現； (B)特徵萃取(Feature Extraction)：將文字資料轉換為數值向量，使模型能夠識別評論中與情緒相關的關鍵詞彙權重； (C)資料清理與預處理(Data Cleaning and Preprocessing)：將原始、雜亂的文字資料轉換為格式一致、去除雜訊的乾淨資料，以利後續模型有效學習； (D)超參數調校(Hyperparameter Tuning)：調整模型訓練過程中的學習率、批次大小等參數，以移除訓練資料中的雜訊干擾

14. 某資料科學家利用房屋資料建立 AI 房價預測模型，資料中包含許多彼此高度相關的數值特徵(例如房屋總坪數、客廳坪數等)。為了降低資料維度並減少特徵間的重複資訊，最適合採用下列何種技術？ (A)類別編碼(Categorical Encoding)； (B)主成分分析(PCA)降維； (C)特徵標準化(Standardization)； (D)異常值(Outlier)處理

15. 企業在公開去識別化的消費資料集前，為避免他人透過郵遞區號、性別等間接識別資訊交叉比對後重新識別特定個人身分，同時保留資料的分析價值，最適合採用下列哪一種隱私保護技術？ (A)差分隱私(Differential Privacy)技術； (B)隨機抽樣(Random Sampling)技術； (C)k-匿名化(k-Anonymity)技術； (D)密碼雜湊(Hashing)技術

(四)碳水化合物 Bertrand 法(Bertrand method of carbohydrate)