最新資料

臨床藥學

技檢◆中式麵食加工-酥（油）皮、糕（漿）皮類-丙級

毒性化學物質專業技術人員訓練

115年 - 115 灌溉管理組織新進農田水利事業人員甄試試題：農田水利概論與相關法規#144182(50題)

115年 - 115 灌溉管理組織新進農田水利事業人員甄試試題：法學緒論#144181(35題)

115年 - 115 灌溉管理組織新進農田水利事業人員甄試試題：公文#144180(1題)

115年 - 114 中華民國家庭牙醫學會_家庭牙醫學科專科醫師試題#144159(100題)

115年 - 115 臺灣土地銀行_新進人員甄試試題：邏輯推理#144158(15題)

115年 - 115 臺灣土地銀行_新進人員甄試試題：英文#144157(20題)

115年 - 115 臺灣土地銀行年新進人員甄試試題_五職等／證券業務人員、五職等／客服專業人員、七職等／電子金融-數據分析人員、七職等／高資產財管業務企劃人員、七職等／財務金融人員、七職等／建築工程人員、七職等／機電工程人員、七職等／環境管理人員、一般金融人員：國文#144156(2題)

115年 - 115 臺灣土地銀行_職等／甄試類組：五職等／證券業務人員、 五職等／客服專業人員、 五職等／一般金融人員 :綜合科目【含會計學概要、貨幣銀行學概要、票據法概要】#144010(70題)

115年 - 115 勞動部勞動力發展署桃竹苗分署_自辦在職進修訓練甄試參考試題#144003(10題)

115年 - 115 導遊人員及領隊人員評量測驗試題_通用制外語導遊人員（韓語）、專用制外語導遊人員（韓語）：外國語（韓語）#143973(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)

【特選試題、影音課程】新多益閱讀測驗完整100題(101-200)

講師：摩友(100006038121037)

簡介：背單字不要列出清單填鴨式記憶單字的中文意思、學文法不能流於理論。 避免支離破碎學習，我提供考生一份完...

高二上英文課程(十一年級)

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：老師嚴選高中英文課程單字，遊戲+單字+測驗+影音......等，多效合一。

英文作文撰寫及練習

講師：小笨蛋

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

活血袪瘀藥

課程：藥師一階國考 中藥學考題 分章節國考歷屆試題
章節：活血袪瘀藥

描述： 中藥 : 丹參、桃仁、紅花、延胡索、蘇木、川芎 、薑黃、益母草、牛膝、乳香、血竭、水蛭。

止血藥

課程：藥師一階國考 中藥學考題 分章節國考歷屆試題
章節：止血藥

描述：中藥：白及、 艾草、 槐花、側柏葉  、 三七。

清熱解毒藥

課程：藥師一階國考 中藥學考題 分章節國考歷屆試題
章節：清熱藥

描述：中藥 : 金銀花、連翹、蒲公英、北板藍根、山豆根、敗醬草 、射干。 

17. 1,000 kg 的水由 25℃加熱至 65℃時，需多少熱量？（Cp 為 1 kJ/kg_K） (A) 20,000 kJ (B) 30,000 kJ (C) 40,000 kJ (D)50,000 kJ

22. A段糖漿加熱殺菌有兩種量測點，對於量測點1與量測點2，依序使用哪一種溫度計最合適？ 量測點1：鍋內糖漿本體溫度(需要準確、穩定、可接到控制器、溫度變化不大) 量測點2：煮鍋外壁或加熱器附近表面(很燙不方便接觸、不必太精準、不希望重新校正) (A) 玻璃溫度計；壓力式溫度計 (B) 雙金屬溫度計；熱電偶 (C) 電阻式溫度計；輻射溫度計 (D) 輻射高溫計；玻璃溫度計

23. 針對 B 段要做CO2氣泡飲，和 C 段要做真空包裝，王同學跟老闆溝通「壓力的表示法」 或「壓力計」的選擇，下列哪種說法正確？ (A) CO2充填與真空包裝都用錶壓最直覺，真空度越高錶壓越大 (B) 真空包裝的真空度應該用絕對壓力或明確的真空度表示 (C) 錶壓、絕對壓力、真空度只是名詞不同，數值都一樣，壓力計可隨便選 (D) 若真空包裝的內壓低於10−7mbar，則應該使用巴登管壓力計(Bourdon gauge )量測

24. 根據程序控制的原理與方法，下列敘述何者正確？ (A) 溫度感測器在管線儀表圖裡的符號為TY (B) 溫度指示控制器所輸出的直流電流會轉換成電壓訊號到氣動式控制閥 (C) 控制元件輸出指令大小除了與設定值有關外，還受輸出的控制結果影響 (D) 當此程序過程中存在延遲過大的情況，該溫度指示控制器模式會完全消除延遲問題

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