最新資料

iPAS◆3D列印製程與材料概論◆初級

iPAS◆3D列印概論◆初級

iPAS◆色彩度量學◆初級

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)

115年 - 115 中華郵政股份有限公司_職階人員職階晉升甄試試題_專業職(一)晉升營運職：企業管理#145851(17題)

115年 - 105 國立嘉義大學_碩士班(甲組)招生考試試題_木質材料與設計學系：木材化學#145849(11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)

生物統計

講師：Terry Tung

簡介：國家考試歷屆考題整理

測試用

講師：tina

簡介：國中會考國文命題 1 2 3 4 5

國中數學(練習用)

講師：tina

簡介：國中會考數學練習

【高中學測公民】土地制度與經濟發展

課程：高中公民
章節：高中學測公民

【高中學測公民】全球農業與糧食安全

課程：高中公民
章節：高中學測公民

【高中學測公民】國際貿易與全球經濟

課程：高中公民
章節：高中學測公民

7. 以 X 光繞射儀分析晶體時，會使用到布拉格 ( Bragg ) 方程式，發生第一級反射時可表示 為：λ=2dsinθ，其中的 λ 是X光的波長，d是同類型晶面的平面間距，則下列何者正確？ (A) X光繞射儀最常用來分析材料的官能基種類 (B) θ 等於被晶面反射的光線與入射光的夾角 (C) 相鄰兩晶面的反射光產生破壞性干涉 (D) 方程式右側代表相鄰兩晶面的X射線之光程差

8. 以X光繞射儀分析某種立方晶系的晶體時，使用同一種波長的X光可測得晶面A與晶面B 的第一級的反射角分別為30 °和60 °，則下列何者可能是晶面A和晶面B的米勒指數？ (A) A(100)、B(111) (B) A(110)、B(100) (C) A(101)、B(111) (D) A(111)、B(010)

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

三、考量房屋稅為地方稅，係以直轄市及縣(市)政府規定之徵收率課徵，為簡化稅政，房屋稅條例於民國 113 年 1 月 3 日增訂第 6 條之 1，以明確納稅義務基準日及開徵期間。請說明第 6 條之 1 的重點為何？(25 分)