最新資料

台灣菸酒◆企業管理(含個案分析)

台灣菸酒◆人力資源管理(含個案分析)

台灣菸酒◆行政法概要、公職人員利益衝突迴避法及公職人員財產申報法、政府採購法

115年 - 115 中華郵政股份有限公司_職階人員甄試試題_專業職(二)外勤／郵遞業務、運輸業務：英文#142531(25題)

115年 - 115 中華郵政股份有限公司_職階人員甄試試題_專業職(二)外勤／郵遞業務、運輸業務：國文#142530(25題)

115年 - 115 中華郵政股份有限公司_職階人員甄試試題_專業職(二)外勤／郵遞業務、運輸業務：臺灣自然及人文地理#142529(60題)

115年 - 115 中華郵政股份有限公司_職階人員甄試試題_專業職(二)外勤／郵遞業務、運輸業務：郵政法規大意(含郵政法及郵件處理規則)及交通安全常識(含道路交通安全規則第四章、道路交通管理處罰條例及道路交通事故處理辦法)#142528(50題)

115年 - 115 臺北捷運公司新進行車專員(一般及原住民類)、 技術專員(常年大夜班維修類)甄試試題：綜合科目 2(數理邏輯、捷運 法規及常識)B#142527(50題)

115年 - 115-3 保險事業發展中心辦理_永續發展基礎能力測驗試題：永續發展基礎能力測驗#142526(80題)

115年 - 115-2 專技高考_牙醫師(二)：牙醫學(五)（包括全口贗復學、局部贗復學、牙冠牙橋學、咬合學等科目及其相關臨床實例與醫學倫理）#142525(80題)

115年 - 115年 - 115-2 專技高考_牙醫師(二)：牙醫學(四)（包括口腔顎面外科學、牙科放射線學等科目及其相關臨床實例與醫學倫理）#142524(80題)

115年 - 115-2 專技高考_牙醫師(二)：牙醫學(六)（包括齒顎矯正學、兒童牙科學、牙科公共衛生學等科目及其相關臨床實例與醫學倫理）#142523(80題)

115年 - 115 專技高考_職能治療師：解剖學與生理學#142522(80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)

【Jessie課程】社會工作

講師：Jessie-108第二次社工師已上榜

簡介：Jessie社工師考前30天 狀元筆記 國考社工師 社工碩士狀元 社工所榜首筆記 社工師筆記 【社工師國考重點整...

【Jessie課程】社會工作概論 Introduction to Social Work 自編社會工作概論

講師：Jessie-108第二次社工師已上榜

簡介：Jessie 的自編社會工作概論 Introduction to Social Work 社會工作概論 適用社工師考試 用淺顯易懂的方式...

【Jessie課程】社會政策與社會立法 課本重點整理

講師：Jessie-108第二次社工師已上榜

簡介：這份筆記根據黃源協《社會政策與社會立法》第四版課本頁數整理重點，其他版本也可參考。若有課本對照，使用...

民法 親屬 第 1129 條

課程：民法 親屬
章節：第 七 章 親屬會議

描述：依本法之規定應開親屬會議時，由當事人、法定代理人或其他利害關係人召集之。

民法 親屬 第 1130 條

課程：民法 親屬
章節：第 七 章 親屬會議

描述：親屬會議，以會員五人組織之。

民法 親屬 第 1131 條

課程：民法 親屬
章節：第 七 章 親屬會議

描述：親屬會議會員，應就未成年人、受監護宣告之人或被繼承人之下列親屬與順序定之： 一、直系血親尊親屬。 二、...

30. 有關周杰倫《青花瓷》歌詞中「在潑墨山水畫裡，妳從墨色深處被隱去」所描述的表現技法與下列何者所擅長的繪畫風格相符？ (A) 唐代李思訓 (B) 北宋張擇端 (C) 清代郎世寧 (D) 民國張大千

31. 圖(十二)為小紋到宜家家居(IKEA)購買家具後，從包裝盒內拿出來的一張拆裝圖，有關此圖，下列敘述何者正確？ (A) 此圖的設計重點應該著重在視覺美感上，讓消費者覺得好看 (B) 此圖將複雜的家具拆裝步驟以圖示呈現，故是屬於資訊設計 (C) 此圖的設計重點應該著重在家具品牌上，讓消費者覺得好用 (D) 此圖很清楚地將產品外觀功能繪製出來，故是屬於服務設計

32. 動畫設計師參考表(一)創造出「機器人頭部+昆蟲身體+飛行移動」全新的人物角色，此種 設計方法稱為： (A) 語意差異法 (B) 歸納分析法 (C) 形態分析法 (D) 導向思考法

11. 某健康管理 AI 系統透過智慧手環蒐集使用者的生理量測資料，資料以欄位標籤(Tag)記錄，例如「使用者 ID：H123」、「量測項目：心率」、「量測數值：75」等。不同裝置可依功能需求上傳不同欄位(如：血氧濃度)，因此各筆資料不一定具有 完全相同的欄位結構。在資料格式與資料結構特徵的分類上，此類資料最屬於下列哪一種資料型態？ (A)結構化資料(Structured Data)； (B)半結構化資料(Semi-structured Data)； (C)高頻資料(High-frequency Data)； (D)時序資料(Time Series Data)

12. 某電商平台的客服部門統計了本月 10,000 筆顧客服務評分(滿分 100 分)，發現平均分數為 72 分，中位數為 85 分，平均數顯著小於中位數。資料分析師欲初步判斷此評分資料的分配型態，下列敘述何者最合理？ (A)資料呈負偏態分配(左偏，Skewness to the Left)，代表多數顧客給予高分，但少數極低評分將平均數大幅拉低； (B)資料呈正偏態分配(右偏，Skewness to the Right)，代表多數顧客給予低分，但少數極高評分將平均數大幅拉高； (C)資料呈標準常態分配，平均數與中位數的些微差異屬於正常的隨機抽樣誤差； (D)資料呈均勻分配，各分數區間出現的機率大致相同，因此平均數略低於中位數

13. 某電商平台的資料科學團隊欲建置一套 NLP 模型，用於分析顧客在社群媒體上對商品的評論情緒。在將原始貼文資料送入模型訓練前，團隊執行了以下步驟：移除貼文中央雜的 HTML 標籤與網址、將表情符號轉換或移除、去除「的、了、啊」等對情緒判斷無實質貢獻的停用詞，並統一將文字轉換為小寫格式。請問上述步驟主要屬於機器學習專案流程中的哪一環節？ (A)模型評估(Model Evaluation)：透過移除干擾詞彙，計算模型在測試資料集上的準確率、精確率等指標表現； (B)特徵萃取(Feature Extraction)：將文字資料轉換為數值向量，使模型能夠識別評論中與情緒相關的關鍵詞彙權重； (C)資料清理與預處理(Data Cleaning and Preprocessing)：將原始、雜亂的文字資料轉換為格式一致、去除雜訊的乾淨資料，以利後續模型有效學習； (D)超參數調校(Hyperparameter Tuning)：調整模型訓練過程中的學習率、批次大小等參數，以移除訓練資料中的雜訊干擾