最新資料

國營事業◆1.工作研究 2.精實生產

精實生產

國營事業◆1.專案管理 2.英文翻譯及寫作

115年 - 115 專技高考_語言治療師：構音與語暢障礙學#142874(50題)

115年 - 115 專技高考_聽力師：聽覺輔具原理與實務學#142873(50題)

115年 - 115 專技高考_語言治療師：神經性溝通障礙學#142872(50題)

115年 - 115-1 專技高考_牙體技術師：全口活動義齒排列#142871(5題)

115年 - 115 專技高考_語言治療師：基礎言語科學(包括解剖、生理、語音聲學與語音知覺)#142870(50題)

115年 - 115-2 專技高考_護理師：內外科護理學#142869(50題)

115年 - 115 專技高考_法醫師：一般醫學#142868(100題)

115年 - 115 專技高考_牙體技術師：牙體解剖形態雕刻#142867(2題)

115年 - 115 專技高考_語言治療師：嗓音與吞嚥障礙學#142866(50題)

115年 - 115 專技高考_語言治療師：兒童語言障礙學#142865(50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)

全面英檢初級線上課程-聽說讀寫，一課搞定！

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：提供全面英檢初級的線上課程，聽說讀寫，一課搞定！

藥劑學與生物藥劑學_歷屆國考題整理

講師：小笨蛋

簡介：本課程適合藥師第一階段考試 整理範圍：108-1~115-2專技高考-藥劑學與生物藥劑學 僅題目分章節整理，詳解請...

脂質

講師：peter3610735

簡介：1.脂質的基本介紹 2.脂肪的物理特性 3.脂肪的化學特性

新增

描述：1

國一上細胞分裂

描述：生物 細胞分裂

Pharmocology

描述：- naltrexone 對酒精成癮戒斷有用，because it gets rid of the high from alcohol like the high from opi...

49. 沁栩運用造形原理和設計概論所學，試著生成出一張具中式古典特色的餐椅，最有可能 是下列哪一把？ (A)(B)(C)(D)

50. 沁栩想要創造一個配色具繽紛活潑感，且造形富含趣味感的餐廳空間，下列提示詞何者 較容易生成符合前述條件的圖像？ (A) 高短調配色的威廉．莫里斯(William Morris)風格 (B) 高長調配色的曼菲斯小組(Memphis Group)風格 (C) 中長調配色的勒．柯比意(Le Corbusier)風格 (D) 中短調配色的安藤忠雄(Tadao Ando)風格

1. 有一批次絕熱反應器進行兩次實驗，其反應式為A+2B→AB2，平均反應熱為−0.1kJ∙mol−1。 第一次實驗反應前以 1 mol 反應物 A 與 2 mol 反應物 B 進入該反應器，而且 A 和 B 的溫度 皆固定為 300 K，反應後溫度為 310 K。第二次實驗反應前 A 之進料莫耳數與 A 和 B 溫度 跟第一次實驗相同，但改變反應物B之進料莫耳數，並假設反應後的溫度同樣為310K，下列敘述何者正確？( A 的平均定壓莫耳熱容量為 1 J∙ mol−1 ∙ K−1 ，B 的平均定壓莫耳熱容 量為2 J∙mol−1 ∙K−1 ，AB2 的平均定壓莫耳熱容量為5J∙mol−1 ∙K−1) (A) B之進料莫耳數從2mol減少為1mol，AB2之選擇性上升 (B) B之進料莫耳數從2mol減少為1mol，B之轉化率不變 (C) B之進料莫耳數從2mol減少為1mol，B之轉化率上升 (D) B之進料莫耳數從2mol增加為3mol，B之轉化率上升

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