最新資料

CRM全題庫

綜合科目

高中(學測,分科)◆數學

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-助理技術員-養路工程、養路工程（維修實務）：鐵路養護作業大意#145875(50題)

115年 - 115 高雄市政府教育局所屬學校_護理師及營養師聯合甄選試題：午餐業務及教育#145874(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 8 階-助理工程師-建築工程：建管行政及政府採購法#145873(29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 8 階-助理工程師-建築工程：建築圖說#145872(27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 9 階-技術員-建築工程（古蹟修復實務）：建築圖說概要#145871(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-助理技術員-土木工程、土木工程（工程實務）：測量學大意#145870(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-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)

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)

課程學習1

講師：【站僕】摩檸Morning.

簡介：課程學習1課程學習1課程學習1課程學習1課程學習1 課程學習1課程學習1課程學習1課程學習1課程學習1 課程學...

全彩圖解英文音標發音課-自然發音+KK音標一次全學會！

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：提供全彩圖解英文音標發音課程，學完讓你自然發音+KK音標一次全學會！ 課程特色: 1.圖解、音標、注音、符號...

高一下英文課程(十年級)

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：高一下單字課，老師講解，偶爾有片語。

Pm的意涵

描述：Pm

利害關係人主義

描述：利害關係人主義

Npa和npm差異

描述：差異

45. 小育喜歡探討人與物的關係，對於家電用品、交通工具、生活雜貨的造形設計，下列何者 是老師最可能推薦的課程組合？ (A) 材料學、環境學、室內裝修製圖 (B) 人因工程、產品語意、模型製作 (C) 媒體企劃、影音剪輯、腳本分鏡 (D) 印前作業、包裝設計、廣告設計

46. 小琪對於立體構成、製造生產、結構設計、飾品設計有高度興趣，也喜愛關注社會弱勢 族群的議題。若小琪考慮就業，下列職缺何者最為適合？ (A) 工業產品設計師 (B) 影音剪輯設計師 (C) 視覺傳達設計師 (D) 建築空間設計師

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

10. 某零售電商平台計劃建置機器學習模型分析會員行為。在資料預處理階段，資料科學團隊發現會員的「年消費總額」與「月到訪次數」數值範圍差異較大，可能影響部分機器學習模型的訓練效果，因此決定採用 Z-Score 標準化(Standardization)進行特徵縮放。已知該平台全體會員的「年消費總額」平均值為 30,000 元，標準差為 5,000 元。若某位 VIP 會員的年消費總額為 40,000 元，下列敘述何者正確？ (A)經過 Z-Score 轉換後，該會員的年消費總額特徵值將被限制於 0 至 1 的範圍內，以利模型訓練； (B)計算後該會員的 Z-Score 值為 2，代表其消費金額高於平均值兩個標準差，可反映其消費金額相對於整體會員的高低程度； (C)不論原始消費資料的分布為何，只要經過 Z-Score 轉換，整組資料一定會轉換為標準常態分配； (D)即使完成 Z-Score 轉換，由於「月到訪次數」與「年消費總額」原始計量單位不同，兩項特徵仍不適合同時作為機器學習模型的輸入

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

一、依民國 110 年 4 月 28 日修正的所得稅法規定，土地與房屋交易所得需課徵所得稅。請說明何種條件下可以免納所得稅？(25 分)