阿摩線上測驗
登入
首頁
> 最新資料
最新資料
瀏覽最新的試卷、試題和詳解,掌握最新考試資訊
最新科目
研究所、轉學考(插大)◆台灣與亞洲藝術史
研究所、轉學考(插大)◆歐美戲劇及劇場概論
研究所、轉學考(插大)◆地球物理學
最新試卷
115年 - 遊艇與動力小船駕駛測驗題庫(自用)(115.03.16增修2版)第二章_避碰規則:2. 燈號、號標、號笛、旗號#145449(90題)
115年 - 第三章_航海常識:1. 特殊性及駕駛知識與作為 1-45(2026/03/16 更新)#145448(45題)
115年 - 遊艇與動力小船駕駛測驗題庫(自用)(115.03.16增修2版)第六章_船藝與操船:1. 航行規劃與技術#145447(20題)
115年 - 遊艇與動力小船駕駛測驗題庫(自用)(115.03.16增修2版)第二章_避碰規則:1. 各種航法#145444(50題)
115年 - 遊艇與動力小船駕駛測驗題庫(自用)(115.03.16增修2版)第二章_避碰規則:3. 水域人員安全與避碰規則#145443(20題)
115年 - 第一章_海事法規:3. 汙染、走私、毒品等 1-35(2026/03/16 更新)#145442(35題)
115年 - 第一章_海事法規:2. 船舶檢丈等 1-45(2026/03/16 更新)#145440(45題)
115年 - 遊艇與動力小船駕駛測驗題庫(自用)(115.03.16增修2版)第一章_海事法規:4. 海洋保育#145439(10題)
115年 - 第一章_海事法規:1. 駕駛證照資格行為等 1-40(2026/03/16 更新)#145437(40題)
115年 - 115-2 航海人員測驗_二等船副:船舶通訊與航海英文概要#145369(40題)
最新試題
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
最新申論題
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)
最新課程
特殊教育法
講師:
Mark
簡介:
本課程是特殊教育法
特殊教育法施行細則
講師:
Mark
簡介:
本課程是特殊教育法施行細則
刑事訴訟法
講師:
Mark
簡介:
裡面都有講到一些法規,本課程是刑事訴訟法
最新主題筆記
Spring Outing
課程:
【WriteMol英文】青春作家的英文寫作班:國中篇
章節:
章節
描述:
The essay is about the author's thoughts and experiences of going on a spring outing. The author exp...
Teacher's Day
課程:
【WriteMol英文】青春作家的英文寫作班:國中篇
章節:
章節
描述:
The passage is about the importance of celebrating Teacher's Day, which is an occasion to recognize...
Teamwork Is Important
課程:
【WriteMol英文】青春作家的英文寫作班:國中篇
章節:
章節
描述:
The passage discusses the importance and benefits of teamwork in various aspects of life. It highlig...
最新討論
50. 下列反應的主要產物為何?(A)(B)(C)(D)
25. 「衡量及評估實際的銷售數值與銷售目標之間的差距」,以上敘述為行銷績效評估的哪種分析? (A)銷售分析 (B)市場占有率分析 (C)行銷費用與成本分析 (D)獲利力分析
複選題26. 使用GOOGLE關鍵字廣告做網路行銷,其優點包括下列何者? (A)即時效果與可測量性 (B)投入成本低廉 (C)高度目標定位 (D)當廣告停止後流量仍可維持
26. 某電商公司訓練一套深度學習模型,用來預測顧客是否會退貨。工程師觀察訓練紀錄發現:模型在第 1 個 Epoch(輪次)時預測表現不佳,隨著訓練進行,內部參數不斷被自動更新,到第 50 個 Epoch 時預測準確度已大幅提升。模型在訓練過程中, 主要根據下列哪一項資訊決定模型參數的更新方向? (A)計算損失函數(Loss Function)的梯度(Gradient),並依梯度反方向更新模型參數; (B)根據激活函數(Activation Function)的輸出值大小,直接決定模型參數的更新方向; (C)根據各模型參數目前的權重大小,自動調整各參數的更新方向; (D)根據每次 Epoch 的準確率(Accuracy)變化,直接決定模型參數的更新方向
27. 某集團為響應淨零排放政策,計劃引進智慧節能系統,利用歷史氣象觀測資料(如溫度、濕度)與大樓進出人數,來預測總部大樓明日的總用電量(kWh),以利最佳化空調冰水主機的運轉排程。請問下列哪一組「任務類型/演算法/評估指標」的組合最適合此應用需求? (A)迴歸(Regression)/極限梯度提升迴歸(XGBoost Regressor)/平均絕對百分比誤差(MAPE); (B)分類(Classification)/決策樹(Decision Tree)/F1 分數(F1-Score); (C)分群(Clustering)/K-Means/準確率(Accuracy); (D)迴歸(Regression)/孤立森林(Isolation Forest)/召回率(Recall)
28. 某農業合作社欲根據歷年各田區的日照時數、降雨量、施肥量及土壤酸鹼值等資料,搭配各田區當季實際收穫的稻米產量(公噸),建立模型,以預測下一季新田區的稻米產量(連續數值)。請問下列哪一組「學習類型/演算法/評估方式」的搭配最為合理? (A)監督式學習(Supervised Learning)/K-means/準確率(Accuracy); (B)強化學習(Reinforcement Learning)/Q-learning/累積報酬(Cumulative Reward); (C)監督式學習(Supervised Learning)/線性迴歸(Linear Regression)/平均絕對誤差(MAE); (D)監督式學習(Supervised Learning)/支援向量機分類器(SVC)/混淆矩陣(Confusion Matrix)