阿摩線上測驗
登入
首頁
> 最新資料
最新資料
瀏覽最新的試卷、試題和詳解,掌握最新考試資訊
最新科目
營建法規(包括建築法、都市計畫法、區域計畫法、國民住宅條例等法律及其相關法規)
建築計畫與敷地設計
建築設計(著重建築規劃與設計概念)
最新試卷
115年 - 二等遊艇題庫_第三章_航海常識:1. 特殊性及駕駛知識與作為 1-45(2026/03/16 更新)#145532(45題)
115年 - 二等遊艇題庫_第三章_航海常識:2. 航儀及航路標誌 1-55(2026/03/16 更新)#145531(55題)
115年 - 第二章_避碰規則:3. 水域人員安全與避碰規則 1-20(2026/03/16 更新)#145530(20題)
115年 - 二等遊艇題庫_第二章_避碰規則:2. 燈號、號標、號笛、旗號 1-50(2026/03/16 更新)#145529(50題)
115年 - 第二章_避碰規則:1. 各種航法 1-50(2026/03/16 更新)#145528(50題)
115年 - 115 金酒公司生產線儲備技術員甄試筆試題庫 : 就業服務法#145527(50題)
115年 - 第一章_海事法規:4. 海洋保育 1-10(2026/03/16 更新)#145526(10題)
115年 - 二等遊艇題庫_第一章_海事法規:3. 汙染、走私、毒品等 1-30(2026/03/16 更新)#145525(30題)
115年 - 二等遊艇題庫_第一章_海事法規:1. 船員證照資格等 1-50(2026/03/16 更新)#145524(50題)
115年 - 二等遊艇題庫_第一章_海事法規:2. 船舶檢丈等 1-50(2026/03/16 更新)#145523(50題)
最新試題
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
最新申論題
五、When researchers empirically evaluate government policy effects, what are some of the concerns with conducting randomized trials? How can quasi-experiments potentially help? (14 分)
3. 政府對某些高價商品,如銷售價格超過 300 萬元以上之小客車,課徵特種消費稅。
2. 政府利用實際稅收高於預估稅收的部分,提供低所得家戶現金補貼。
最新課程
【社工師考試】社會工作|考試重點|答題技巧
講師:
社工師考試|考試重點|答題技巧
簡介:
|社工師考試榜眼 |現職司法領域工作者 |臺大法律系及社工系雙主修畢業 |如何使用這份筆記? 這份筆...
【社工師考試】社會政策與社會立法|考試重點|答題技巧
講師:
社工師考試|考試重點|答題技巧
簡介:
|社工師考試榜眼 |現職司法領域工作者 |臺大社工系及法律系雙主修畢業 |如何使用這份筆記? 這份筆...
【社工師考試】社會工作研究方法|考試重點|答題技巧
講師:
社工師考試|考試重點|答題技巧
簡介:
|社工師考試榜眼 |現職司法領域工作者 |臺大法律系及社工系雙主修畢業 |如何使用這份筆記? 這份筆...
最新主題筆記
民法 編債 第 709-3 條
課程:
民法 編債
章節:
第 二 章 各種之債 第 十九 節之一 合會
描述:
合會應訂立會單,記載左列事項: 一、會首之姓名、住址及電話號碼。 二、全體會員之姓名、住址及電話號碼。...
民法 編債 第 709-4 條
課程:
民法 編債
章節:
第 二 章 各種之債 第 十九 節之一 合會
描述:
標會由會首主持,依約定之期日及方法為之。其場所由會首決定並應先期通知會員。 會首因故不能主持標會時,...
民法 編債 第 709-5 條
課程:
民法 編債
章節:
第 二 章 各種之債 第 十九 節之一 合會
描述:
首期合會金不經投標,由會首取得,其餘各期由得標會員取得。
最新討論
2.我國自2025年起,將萬安演習與民安演習整合為? (A)自強演習 (B)城鎮韌性演習 (C)同心演習 (D)漢光演習
3.面對無法預知的天然災害,若要有效減少天災帶來巨大傷亡與衝擊,唯有透過? (A)投入軍隊救災 (B)購買救災機具 (C)落實防救災準備 (D)強化軍事教育
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)
34. 某金控集團規劃導入下列四項 AI 應用。依據各項應用的主要功能特性,下列何者正確區分屬於「鑑別式 AI」與「生成式 AI」? 甲、客服部門:為培訓新進客服人員,希望 AI 系統依據歷史客訴案例,自動產生不同客訴情境的對話劇本,供員工進行角色扮演演練。 乙、法務部門:為加速合約審查流程,希望 AI 系統分析合約草稿,並標示屬於高風險或不符合公司規範的條款。 丙、投顧部門:為提供投資建議,希望 AI 系統分析全球經濟指標與股市歷史資料,判斷下個月大盤指數可能上漲或下跌。 丁、行銷部門:為提升廣告點閱率,希望 AI 系統依據產品說明,自動改寫出五種不同風格的全新宣傳文案。 (A)鑑別式 AI:乙、丙;生成式 AI:甲、丁; (B)鑑別式 AI:甲、丁;生成式 AI:乙、丙; (C)鑑別式 AI:乙、丁;生成式 AI:甲、丙; (D)鑑別式 AI:丙;生成式 AI:甲、乙、丁
1. 全國犯罪統計數據呈現某城市的犯罪率較高,有人據此宣稱該城市的居民有較高犯罪風險,這種推論可能有什麼問題? (A) 區位誘誤 (B) 過度概化 (C) 目的論 (D) 樣本數過少