最新資料

台灣菸酒◆刑法概要、民法概要、刑事訴訟法概要

台灣菸酒◆賣場服務國文

台灣菸酒◆企業管理概論

115年 - 115 導遊人員及領隊人員評量測驗試題_專用制外語領隊人員：領隊執業實務及法規（包括領隊技巧、航空票務、急救常識、旅遊安全與緊急事件處理、國際禮儀、觀光法規、入出境相關法規、外匯常識、民法債編旅遊專節與國外定型化旅遊契約、臺灣地區與大陸地區人民關係條例、兩岸現況認識）#143961(50題)

115年 - 115 導遊人員及領隊人員評量測驗試題_華語導遊人員、通用制外語導遊人員：導遊執業法規（包括觀光行政與法規、臺灣地區與大陸地區人民關係條例、兩岸現況認識）#143960(50題)

115年 - 115 國營臺灣鐵路股份有限公司電務處甄試 第 9 階-技術員-電機：自動控制概要#143959(50題)

115年 - 115 國營臺灣鐵路股份有限公司_從業人員甄試_第9階-技術員-電機：電路學概要#143958(50題)

115年 - 115 國營臺灣鐵路股份有限公司電務處甄試 第 9 階-技術員-電機：電機機械概要#143957(50題)

115年 - 115 國營臺灣鐵路股份有限公司電務處甄試 第 9 階-技術員-電機：作文#143956(1題)

115年 - 115 導遊人員及領隊人員評量測驗試題_華語領隊人員、通用制外語領隊人員、通用制外語領隊人員（外語免測）應測3 科：領隊執業法規#143950(50題)

115年 - 115 導遊人員及領隊人員評量測驗試題_華語領隊人員：觀光資源概要（如命題大綱）#143949(50題)

115年 - 115 國立嘉義大學_碩士班(保健食品組)招生考試試題_食品科學系：生物化學與食品微生物#143940(10題)

115年 - 115 國立嘉義大學_碩士班招生考試試題_資訊管理學系：計算機概論#143936(14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)

警察法規(下)

講師：YK

簡介：本課程將帶您逐一分析重要法條、考點，將易混淆的觀點整理清楚 並透過歷屆試題及其他題目幫您將觀念更加鞏...

藥師一階國考 藥物化學考題 分章節國考歷屆試題

講師：菜餅

簡介：分章節的藥物化學國考題，考試科目：藥師國考一階。

藥師二階國考 藥事行政與法規 分章節國考歷屆試題

講師：菜餅

簡介：分章節的藥事行政與法規練習題。 參考考選部公告之命題大綱，分章節的藥劑學練習題，藥學系準備藥師國考二...

民法 編債 第 438 條

課程：民法 編債
章節：第 二 章 各種之債 第 五 節 租賃

描述：承租人應依約定方法，為租賃物之使用、收益；無約定方法者，應以依租賃物之性質而定之方法為之。 承租人違...

民法 編債 第 439 條

課程：民法 編債
章節：第 二 章 各種之債 第 五 節 租賃

描述：承租人應依約定日期，支付租金；無約定者，依習慣；無約定亦無習慣者，應於租賃期滿時支付之。如租金分期支...

民法 編債 第 440 條

課程：民法 編債
章節：第 二 章 各種之債 第 五 節 租賃

描述：承租人租金支付有遲延者，出租人得定相當期限，催告承租人支付租金，如承租人於其期限內不為支付，出租人得...

21.體育教師在學期末為了評定學生的學習總結成果，以決定該學期的體育成績，這種評量稱之為何？ (A) 安置性評量(Placement Assessment) (B) 形成 性評量(Formative Assessment) (C) 總結性評量(Summative Assessment) (D) 診斷性評量(Diagnostic Assessment)。

22.運動員經過一段時間的訓練後，如果完全停止訓練或因傷臥床，其所獲得的生理適應與體能會逐漸衰退。此現象符合運動訓練的何種原則？ (A) 超負荷原 則(Overload) (B) 特殊性原則(Specificity) (C) 可逆性原則 (Reversibility) (D) 漸進性原則(Progression)。

23.動作技能的學習過程通常分為三個階段。在最終的「自化階段(Autonomous stage)」中，學習者的主要特徵為何？ (A) 需要大量依賴視覺回饋來修正動作 錯誤 (B) 動作表現不穩定且充滿嘗試錯誤 (C) 能在不需刻意專注的情況下，流 暢且精確地執行動作 (D) 需要教師不斷提供外部的口語提示與指導。

31. 某連鎖量販店計劃導入 AI 銷量預測系統，以優化每日進貨與庫存管理。團隊比較兩家軟體廠商提供的迴歸模型，兩個模型皆以相同的測試資料集進行評估，其中廠商甲模型的均方誤差(Mean Squared Error, MSE)為 12.5，廠商乙模型的均方誤差(MSE)為 42.0。僅依據 MSE 指標的數值與定義來評估模型表現，下列何者最適合作為模型評估結果的說明？ (A)應優先選擇廠商甲的模型，因為其 MSE 較低，代表模型預測值與實際銷量的整體誤差較小； (B)應優先選擇廠商乙的模型，因為 MSE 較高，代表模型能涵蓋更多不同的銷售情境，因此預測能力較佳； (C)兩個模型無法直接比較，因為 MSE 主要反映平均預測誤差，無法用來評估不同模型的預測表現； (D)由於兩者的 MSE 皆大於 0，代表模型皆存在過擬合(Overfitting)現象，無法判定哪一個模型較佳

32. 某證券公司開發 AI 輔助分析系統，需要分析長篇的法人說明會逐字稿。系統須有效建立逐字稿前後段落之間的長距離語意關聯，並在處理長篇文本時，能直接關聯相距較遠的文字內容，而無須依序傳遞前文資訊，以提升分析效率與準確性。下列哪一種模型架構最適合？ (A)長短期記憶網路(LSTM)； (B)循環神經網路(RNN)； (C)Transformer； (D)卷積神經網路(CNN)

33. 某製造業工廠導入 AI 模型預測設備故障風險，技術團隊向產線主管說明模型運作原理：模型在每一輪訓練中，會依據「預測故障機率」與「實際發生故障結果」之間的落差程度，產生一項量化指標，並將該數值提供給後續模型訓練流程，作為模型參數調整的重要依據。請問此敘述最符合深度學習訓練流程中哪個元件的功能？ (A)評估指標(Evaluation Metric)； (B)損失函數(Loss Function)； (C)優化器(Optimizer)； (D)特徵工程(Feature Engineering)