最新資料

警大◆海巡法規

警大◆海巡法規及國際海洋法

(甄試)警大◆警察法規(含行政程序法)

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)

115年 - 115 高等考試_二級_資訊處理：資訊管理與資通安全研究#145847(7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、When researchers empirically evaluate government policy effects, what are some of the concerns with conducting randomized trials? How can quasi-experiments potentially help? (14 分)

3. 政府對某些高價商品，如銷售價格超過 300 萬元以上之小客車，課徵特種消費稅。

2. 政府利用實際稅收高於預估稅收的部分，提供低所得家戶現金補貼。

閱讀測驗作答技巧【適用多益、全民英檢等測驗】

講師：小笨蛋

簡介：https://docs.google.com/forms/d/e/1FAIpQLSfjRRPyZhBRhxX5vY7a7x9DqE7GZfvheFPwEyeT3qlfD7dIpg/viewform...

全民英檢初級課程

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：提供全民英檢初級課程，助你拿到證書。

【Jessie課程】自行編排 APA格式第七版之應用-教育學門論文寫作格式指引

講師：Jessie-108第二次社工師已上榜

簡介：已畢業碩士生將自身經驗整理出來，傳承給學弟妹，我是參考「教育學門論文寫作格式指引-APA格式第七版之應用...

行政訴訟期間與回復原狀

課程：初等/五等/佐級◆法學大意｜70章依考點系統整理，單元重點搭配對應試題
章節：第 32 章 行政訴訟審理、裁判與保全

描述：學習重點 依「未遇本人、無理由拒收、無法依前述方式送達、處所不明」等情形，判斷應採補充、留置、寄存或...

行政訴訟停止、合併與反訴

課程：初等/五等/佐級◆法學大意｜70章依考點系統整理，單元重點搭配對應試題
章節：第 32 章 行政訴訟審理、裁判與保全

描述：學習重點 先分辨程序不合法與實體無理由：起訴要件有欠缺，原則以裁定駁回；請求在實體上不能成立，才以判...

行政訴訟撤回與和解

課程：初等/五等/佐級◆法學大意｜70章依考點系統整理，單元重點搭配對應試題
章節：第 32 章 行政訴訟審理、裁判與保全

描述：學習重點 撤回與和解的界線：撤回須在判決確定前，且不得有礙公益；和解須當事人有處分權、無礙公益，成立...

16.由國防部主導，為國軍部隊每年最重要的實兵演練是？ (A)漢光演習 (B)萬安演習 (C)同心演習 (D)民安演習

17.2025年以前，我國的軍民聯合防空演習代號是？ (A)萬箭 (B)萬平 (C)萬安 (D)萬乘

18.下列哪一項演習的實施重點，在驗證國家軍事動員能力，動員後備軍人、物力等項目，有效支援國家防衛作戰？ (A)同心演習 (B)漢光演習 (C)民安演習 (D)自強演習

32. 某證券公司開發 AI 輔助分析系統，需要分析長篇的法人說明會逐字稿。系統須有效建立逐字稿前後段落之間的長距離語意關聯，並在處理長篇文本時，能直接關聯相距較遠的文字內容，而無須依序傳遞前文資訊，以提升分析效率與準確性。下列哪一種模型架構最適合？ (A)長短期記憶網路(LSTM)； (B)循環神經網路(RNN)； (C)Transformer； (D)卷積神經網路(CNN)

33. 某製造業工廠導入 AI 模型預測設備故障風險，技術團隊向產線主管說明模型運作原理：模型在每一輪訓練中，會依據「預測故障機率」與「實際發生故障結果」之間的落差程度，產生一項量化指標，並將該數值提供給後續模型訓練流程，作為模型參數調整的重要依據。請問此敘述最符合深度學習訓練流程中哪個元件的功能？ (A)評估指標(Evaluation Metric)； (B)損失函數(Loss Function)； (C)優化器(Optimizer)； (D)特徵工程(Feature Engineering)

34. 某金控集團規劃導入下列四項 AI 應用。依據各項應用的主要功能特性，下列何者正確區分屬於「鑑別式 AI」與「生成式 AI」？ 甲、客服部門：為培訓新進客服人員，希望 AI 系統依據歷史客訴案例，自動產生不同客訴情境的對話劇本，供員工進行角色扮演演練。 乙、法務部門：為加速合約審查流程，希望 AI 系統分析合約草稿，並標示屬於高風險或不符合公司規範的條款。 丙、投顧部門：為提供投資建議，希望 AI 系統分析全球經濟指標與股市歷史資料，判斷下個月大盤指數可能上漲或下跌。 丁、行銷部門：為提升廣告點閱率，希望 AI 系統依據產品說明，自動改寫出五種不同風格的全新宣傳文案。 (A)鑑別式 AI：乙、丙；生成式 AI：甲、丁； (B)鑑別式 AI：甲、丁；生成式 AI：乙、丙； (C)鑑別式 AI：乙、丁；生成式 AI：甲、丙； (D)鑑別式 AI：丙；生成式 AI：甲、乙、丁