最新資料

移民四等◆法學知識

稅務三等◆法學知識

稅務四等◆法學知識

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試 第 9 階-技術員-建築工程（古蹟修復實務）：建築圖說概要#145871(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_ 第 10 階-助理技術員-土木工程、土木工程（工程實務）：測量學大意#145870(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 10 階-助理事務員-企劃研析（工程管考實務）：運輸學概要#145869(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 11 階-服務員-事務管理（身心障礙）：事務管理大意#145868(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試＿第 10 階企劃研析（工程管考實務）：作文#145867(1題)

115年 - 115 國營臺灣鐵路股份有限公司工務處_從業人員甄試試題_第 10 階、第 11 階各類科【第 10 階企劃研析（工程管考實務）類科除外】：作文#145866(1題)

115年 - 115 國營臺灣鐵路股份有限公司工務處_從業人員甄試試題_第 8 階、第 9 階各類科：作文#145865(1題)

115年 - 115 國營臺灣鐵路股份有限公司工務處_從業人員甄試試題_第 10 階-助理技術員-養路工程、養路工程（維修實務)：鐵路工程大意#145864(50題)

115年 - 115-3 合作金庫新進人員甄試試題：綜合科目（會計學概要.貨幣銀行學.票據法.銀行法）#145863(73題)

115年 - 115年 - 115-3 合作金庫商業銀行_新進人員甄試試題_一般金融人員：含會計學、貨幣銀行學、法律常識(票據法/銀行法)#145862(70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)

【警鴿】刑事訴訟法(上)

講師：小摩喵(課程：警鴿系列)

簡介：深入淺出，帶您了解刑事訴訟法 從刑事訴訟法之基本概念、偵查、起訴，帶您快速瀏覽學說及實務重要觀念

考衝班-國中會考，考前衝刺班!

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114年、113年、112年、111年、110年...等各年度的國中會考考畢英文影音解答、解析......等。 #國中會考...

基本電學

講師：Terry Tung

簡介：本課程專為國營事業及各大考試設計，完整整合台電、中油、台水、台北捷運、台北自來水、台糖、臺鐵、港務局...

民法 編債 第 166 條

課程：民法 編債
章節：第 一 章 通則 第 一 節 債之發生

描述：契約當事人約定其契約須用一定方式者，在該方式未完成前，推定其契約不成立。

民法 編債 第 166-1 條

課程：民法 編債
章節：第 一 章 通則 第 一 節 債之發生

描述：契約以負擔不動產物權之移轉、設定或變更之義務為標的者，應由公證人作成公證書。 未依前項規定公證之契約...

民法 編債 第 167 條

課程：民法 編債
章節：第 一 章 通則 第 一 節 債之發生

描述：代理權係以法律行為授與者，其授與應向代理人或向代理人對之為代理行為之第三人，以意思表示為之。

複選題32. 有關零用金之敘述，何者正確？ (A)撥補時，借記各項費用，貸記銀行存款 (B)有短絀時，應貸記現金短溢 (C)支用零用金時，不作分錄，僅作備忘記錄 (D)實務上通常採用定額預付制

複選題33. 下列各項支出，應列入土地成本的項目是： (A)工程受益費 (B)填土整地費 (C)路燈照明 (D)支付原住戶搬遷費

複選題34. 將修繕費誤記為機械設備成本，將使當期： (A)費用少計 (B)資產多計 (C)權益多計 (D)淨利少計

26. 某電商公司訓練一套深度學習模型，用來預測顧客是否會退貨。工程師觀察訓練紀錄發現：模型在第 1 個 Epoch(輪次)時預測表現不佳，隨著訓練進行，內部參數不斷被自動更新，到第 50 個 Epoch 時預測準確度已大幅提升。模型在訓練過程中， 主要根據下列哪一項資訊決定模型參數的更新方向？ (A)計算損失函數(Loss Function)的梯度(Gradient)，並依梯度反方向更新模型參數； (B)根據激活函數(Activation Function)的輸出值大小，直接決定模型參數的更新方向； (C)根據各模型參數目前的權重大小，自動調整各參數的更新方向； (D)根據每次 Epoch 的準確率(Accuracy)變化，直接決定模型參數的更新方向

27. 某集團為響應淨零排放政策，計劃引進智慧節能系統，利用歷史氣象觀測資料(如溫度、濕度)與大樓進出人數，來預測總部大樓明日的總用電量(kWh)，以利最佳化空調冰水主機的運轉排程。請問下列哪一組「任務類型／演算法／評估指標」的組合最適合此應用需求？ (A)迴歸(Regression)／極限梯度提升迴歸(XGBoost Regressor)／平均絕對百分比誤差(MAPE)； (B)分類(Classification)／決策樹(Decision Tree)／F1 分數(F1-Score)； (C)分群(Clustering)／K-Means／準確率(Accuracy)； (D)迴歸(Regression)／孤立森林(Isolation Forest)／召回率(Recall)

28. 某農業合作社欲根據歷年各田區的日照時數、降雨量、施肥量及土壤酸鹼值等資料，搭配各田區當季實際收穫的稻米產量(公噸)，建立模型，以預測下一季新田區的稻米產量(連續數值)。請問下列哪一組「學習類型／演算法／評估方式」的搭配最為合理？ (A)監督式學習(Supervised Learning)／K-means／準確率(Accuracy)； (B)強化學習(Reinforcement Learning)／Q-learning／累積報酬(Cumulative Reward)； (C)監督式學習(Supervised Learning)／線性迴歸(Linear Regression)／平均絕對誤差(MAE)； (D)監督式學習(Supervised Learning)／支援向量機分類器(SVC)／混淆矩陣(Confusion Matrix)