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
衍生性金融商品概論與實務
台電◆行政學概要
台電◆企業管理概論
最新試卷
115年 - 115-2 專技高考_社會工作師:社會工作直接服務#142846(42題)
115年 - 115-2 專技高考_公共衛生師:衛生行政與管理#142845(43題)
115年 - 115 專技高考_公共衛生師:環境與職業衛生#142844(42題)
115年 - 115 專技高考_公共衛生師:健康社會行為學#142843(42題)
115年 - 115-2 專技高考_驗光師:視覺光學#142842(50題)
115年 - 115 專技高考_驗光師:視光學#142841(50題)
115年 - 115-2 專技高考_驗光師:隱形眼鏡學與配鏡學#142840(50題)
115年 - 115 專技普考_驗光生:眼球構造與倫理法規概要#142839(50題)
115年 - 115-2 專技高考_驗光師:眼球解剖生理學與倫理法規#142838(50題)
【已刪除】115年 - 測試選擇題和申論題互相轉換(給RD測試,不要動)#142837(18題)
最新試題
30.某物流公司希望讓配送系統在不同交通狀態下選擇路線,系統每次選擇後會根據配送時間、油耗與遲到罰則取得回饋,並逐步改善策略。下列哪一種學習模型最符合此決策情境?(A)強化學習(B)單純線性迴歸(C)K-means分群(D)PCA降維
29.某企業要在高維特徵空間中建立二元分類模型,並希望找到能最大化類別間隔的分隔邊界。若資料可能需要透過核函數處理非線性關係,下列哪一種模型最符合描述?(A)支援向量機(SVM)(B)K-means分群(C)Apriori關聯規則(D)PCA降維
28.某行銷團隊有數百個顧客行為特徵,想在保留主要資訊的前提下降低維度,方便視覺化與後續建模。下列哪一種方法最符合此需求?(A)主成分分析(PCA)(B)KNN最近鄰分類(C)決策樹剪枝(D)SMOTE少數類別合成
最新申論題
(三)如果以 B. IE 3 新電動機汰換 A 的舊電動機,所花的工程費,需多久才可以由節省的電費損益平衡(回收年限)?【5 分】
(二)下表中是 A、B 兩個不同能源效率的電動機之性能參數,假如運轉條件都相同,負載率 82%、運轉時數每年 8,400 小時,以每度電費 2.0 元估算,更換為 IE3 新電動機的設備及安裝工資等工程費共新台幣 25 萬元整,請完成下表中空格之計算。【10 分】
(一)國際上對於電動機的能源效率共分為幾級?IE1 和 IE3 相比,何者較省電? 【10 分】
最新課程
【社工師考試】人類行為與社會環境|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...
國營化學
講師:
Terry Tung
簡介:
一次掌握6大國營化學考點 專攻中油、台電、台水、台糖、菸酒公賣局、經濟部職員真題,選擇 / 填充 / 計算 /...
企業管理
講師:
Terry Tung
簡介:
內容主要分三大部份,各章節都有完整講義,試題整理主要近年郵局、經濟部職員、台電雇員、中油雇員、自來水...
最新主題筆記
國一上生物L1-L4筆記
描述:
國一生物筆記
需求上的替代品與互補品
課程:
經濟學(上)
章節:
供需理論
獨占市場的意義與市場收益
課程:
經濟學(上)
章節:
獨占市場
最新討論
20. How many E configuration are there in the following compounds? (A) 1 (B) 2 (C) 3 (D) 4 (E) 5
3. 下列有關教育隱喻(metaphor)與西方教育家的配對,何者正確? (A) 教育即接生—蘇格拉底(Socrates) (B) 教師是園丁—柏拉圖(Plato) (C) 教育即生長—洛克(J. Locke) (D) 教育即引導—弗萊勒(P. Freire)
32.依郵件處理規則規定,有關電子函件交寄,下列敘述何者正確? (A)寄件人須向郵局申請登記成為電子函件用戶 (B)寄件人持電子文件資料向指定郵局臨櫃交寄 (C)指定郵局轉成電子函件向收件人發送電子郵件 (D)電子函件不受理掛號交寄
33 關於目前生成式 AI 的主要應用,不包括下列哪一項? (A) 創建合成數據樣本 (B) 模擬數據分佈 (C) 分類醫學影像 (D) 生成文本
37 下列哪項是生成式 AI支援鑑別式 AI 的典型案例? (A) 模擬交通場景以訓練自動駕駛模型 (B) 使用 CNN 對腫瘤分類 (C) 使用 SVM 分析風險 (D) 創建更好的分類演算法
38 下列哪種方法能解決生成式模型的訓練不穩定性問題? (A) 使用更大的數據集 (B) 採用 Waserstein GAN(WGAN) (C) 提高硬體效能 (D) 增加模型層數