最新資料

稅務三等◆法學知識

稅務四等◆法學知識

捷運◆人力資源管理及勞動法規

115年 - 115 原住民族特種考試_三等_衛生行政：流行病學與生物統計學#144507(4題)

115年 - 115 外交特種考試_四等_外交行政人員類科行政組：國際關係與國際現勢#144506(27題)

115年 - 115 外交特種考試_四等_外交行政人員類科行政組：行政學概要#144505(27題)

115年 - 115 原住民族特種考試_四等_一般行政、一般民政、社會行政、原住民族行政、教育行政、法警：行政法概要#144504(50題)

115年 - 115 原住民族特種考試_四等_一般行政、一般民政：行政學概要#144503(50題)

115年 - 115 外交特種考試_三等_外交領事人員類科國際法組：外交實務英文寫作#144502(4題)

115年 - 115 原住民族特種考試_三等_一般行政、一般民政、社會行政、社會工作、人事行政、原住民族行政：行政法#144501(27題)

115年 - 115 國際經濟商務特種考試_三等_國際經濟商務人員類科國際經貿法律組：國際經濟法與世界貿易組織之爭端解決#144500(4題)

115年 - 115 外交特種考試_三等_外交領事人員類科英文組二：外交實務英文寫作（以英文命題及作答）#144499(4題)

115年 - 115 外交特種考試_三等_外交領事人員類科國際法組：國際公法（含條約法）#144498(5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)

玩轉英檢中高級 CEFR B2

講師：Jeff Chen

簡介：課程名稱：玩轉英檢中高級（Volume-Based Series） —— 不只是刷題，更是掌握「高階英語邏輯」的通關密技！...

國中一年級數學

講師：Joyce

簡介：第一章 整數運算與科學記號 第二章 因數分解與分數運算 第三章 一元一次方程式 第四章 簡單圖形與幾...

【矮袋鼠共筆】物理治療技術學｜熱療學 筆記/題庫

講師：矮袋鼠(114-2已上榜！）

簡介：考科包括電療學、熱療學、操作治療學與輔具學 『本課程考試筆記僅包含熱療學』，限時詳解卡解鎖筆記！ 考題...

第3條

課程：【警鴿】2025警察法規(中):社維法、警械條例
章節：警械使用條例

描述：第3條（得使用警棍制止情形） ﹝1﹞警察人員執行職務時，遇有下列各款情形之一者，得使用警棍制止：　　一...

第2條

課程：【警鴿】2025警察法規(中):社維法、警械條例
章節：警械使用條例

描述：第2條（得使用警棍指揮之情形） ﹝1﹞警察人員執行職務時，遇有下列各款情形之一者，得使用警棍指揮：　　...

第9條

課程：【警鴿】2025警察法規(中):社維法、警械條例
章節：警械使用條例

描述：第9條（使用警械勿傷及致命部位） ﹝1﹞警察人員使用警械時，如非情況急迫，應注意勿傷及其人致命之部位。

17. 關於電池的電動勢、電壓降和端電壓的敘述，下列哪個解釋最合理？ (A) 功能正常的電池在接上小電風扇後，電動勢立刻變成0 (B) 電池有內部阻抗所產生的電壓降，使小電風扇運作時端電壓會小於電動勢 (C) 因為電池輸出為交流電，所以速度不穩 (D) 小電風扇兩端點間的電壓一定等於電動勢，所以風變弱與電壓無關

18. 某一個實驗室有兩個照明燈並聯後接在110伏特的電壓下使用，已知燈泡甲消耗50瓦特， 燈泡乙消耗100瓦特。假設燈泡點亮後皆未燒斷，則此電路之總電流值為多少安培？ (A) 1.36 (B) 2.36 (C) 3.36 (D) 4.36

19. 下列何者表示量測儀器反應的快慢程度？ (A) 靈敏度 (B) 響應度 (C) 準確度 (D) 解析度

9. 某電商平台計劃開發一個機器學習模型，目標是在每個月底自動預測哪些現有會員在下個月可能會流失(不再消費)，以便行銷團隊提前發送優惠券進行挽留。若要提升模型預測會員流失的效果，在進行特徵工程(Feature Engineering)時，下列哪一項作法最適合？ (A)為了提高預測的準確度，特徵與要預測的目標值(是否流失)之間，在統計上不需要具備任何關聯性或因果關係； (B)可以將「會員下個月是否仍有消費紀錄」加入模型特徵，因為該資訊與會員是否流失具有高度關聯性； (C)為了縮短模型推理(Inference)的反應時間，特徵所涵蓋的時間範圍越短越好，建議一律只保留前一天的單日行為資料； (D)所選取的特徵，必須是在每個月底模型進行預測的當下，系統就能實際取得且掌握的已知資料

49. 某金融機構計劃開發一套智慧理賠防詐欺與自動化審查系統。該系統的運作流程為：先由模型 A 分析客戶上傳的診斷書與收據影像，評估並輸出該案件屬於「正常理賠」或「疑似詐欺(高風險)」的機率值；確認為正常案件後，再由模型 B 根據診斷書內容進行上下文語意推理，自動撰寫客製化的理賠通知信函與案件摘要報告。下列關於兩個模型的敘述，何者最正確？ (A)模型 A 負責判斷案件風險，屬於鑑別式 AI；模型 B 負責產生通知信與摘要內容，屬於生成式 AI； (B)模型 A 會產生風險分數，因此屬於生成式 AI；模型 B 負責解讀與鑑定內容，因此屬於鑑別式 AI； (C)兩個模型皆採用深度學習技術，因此皆屬於生成式 AI； (D)兩個模型皆以分析資料內容為主，因此皆屬於鑑別式 AI

50. 某金控公司計劃導入「美股即時分析 AI 助理」，該助理須同時滿足兩項需求：第一，回覆內容須遵循固定的合規格式與專業口吻；第二，能提供當日最新股價及財報等即時更新資訊。關於技術團隊對上述需求所提出的技術建議，下列何者最為正確？ (A)對第二項需求，採用 Fine-tuning 比 RAG 更合適，因為可持續將最新資料微調至模型權重，以避免模型產生事實幻覺； (B)針對第一項需求，採用 RAG 比 Fine-tuning 更合適，因為 RAG 可將合規規範文件檢索後提供模型參考，使模型自然維持固定格式；(C)針對第二項需求，採用 RAG 較為合適，因為每日更新的股價與財報若持續透過 Fine-tuning 維護，難以兼顧時效性與維護成本； (D)針對第一項需求，採用 Fine-tuning 較為合適，因為微調能改變模型對特定知識的記憶，無法影響模型的輸出格式與口吻