最新資料

【段考】國一數學

【段考】國二數學

【段考】國三數學

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師/助理工程師/助理管理師_共同科目：自來水法規#144700(15題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師/助理工程師/助理管理師_共同科目：國文（作文）#144699(1題)

115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師：自來水工程#144698(50題)

115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士化驗類：高中(職)分析化學及水質檢驗操作須知#144692(50題)

115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士工程類：高中(職)土木及水管埋設施工#144691(50題)

115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士操作類-乙(淨水、管線、水源)、技術士化驗類：高中(職)物理化學#144690(50題)

115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士裝修類-甲(新裝、修漏)：高中(職)配管裝修#144689(50題)

115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士操作類-甲(機電)：電機(工)機械#144686(50題)

115年 - 計程車執業登記測驗：臺南市地理環境_是非題 201-246（2026/09/09 更新）#144654(46題)

115年 - 計程車執業登記測驗：臺南市地理環境_是非題 151-200（2026/09/09 更新）#144653(50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)

憲在要幹嘛：憲法重點整理〈上集〉

講師：最佳姐

簡介：好的參考書，能節省考生時間。 整理的內容，皆為考試曾經出現過的考點，可以幫助考生在最短時間掌握到考試...

考衝班-國營/台電/台水/郵局必考英文文法/閱測/高頻英單/考猜，總複習課程

講師：台中大雅家教-睿智數學及英文家教，王瑞志老師

簡介：考前衝刺-國營/台電/台水/郵局英文，一舉拿下高分。

憲在要幹嘛：憲法重點整理〈中集〉

講師：最佳姐

簡介：好的參考書，能節省考生時間。 整理的內容，皆為考試曾經出現過的考點，可以幫助考生在最短時間掌握到考試...

美國預算制度歷程

課程：陳真-行政學大意(概要)
章節：Ch5.資源管理

預算意涵與分類

課程：陳真-行政學大意(概要)
章節：Ch5.資源管理

預算其他

課程：陳真-行政學大意(概要)
章節：Ch5.資源管理

III. Vocabulary and Language Use21. The school hopes to create a learning ______ in which every child feels safe. (A)climate (B)weather (C)season (D)atmosphere

22. The teacher asked the class to work in pairs so that everyone would have a chance to ______ ideas. (A)exchange (B)replace (C)borrow (D)divide

23. The school trip was cancelled ______ the heavy rain. (A)because (B)due to (C)although (D)despite

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)