最新資料

升資考/員級晉高員◆鐵路動力車與車輛構造及原理

升資考/員級晉高員◆運轉理論

升資考/佐級晉員級◆企業管理概要

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：國文(論文、公文與測驗)#145877(12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-助理事務員-企劃研析（工程管考實務）：鐵路法大意（含鐵路立體化、平台建設及周邊土地開發計畫等）#145876(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-助理技術員-養路工程、養路工程（維修實務）：鐵路養護作業大意#145875(50題)

115年 - 115 高雄市政府教育局所屬學校_護理師及營養師聯合甄選試題：午餐業務及教育#145874(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 8 階-助理工程師-建築工程：建管行政及政府採購法#145873(29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 8 階-助理工程師-建築工程：建築圖說#145872(27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 9 階-技術員-建築工程（古蹟修復實務）：建築圖說概要#145871(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-助理技術員-土木工程、土木工程（工程實務）：測量學大意#145870(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-助理事務員-企劃研析（工程管考實務）：運輸學概要#145869(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 11 階-服務員-事務管理（身心障礙）：事務管理大意#145868(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)

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...

警專地理-自然地理

講師：邱廷斌

簡介：為警專入學考試學生準備的地理專業科目

控制幅度

描述：扁平。高塔

公民參與階梯

描述：公民參與

行政責任確保途徑。倫理

描述：倫理。責任

40. 建築事務所為一棟新建的辦公大樓申請「綠建築標章」召開評估會議，針對四大範疇與 九大指標的檢核重點進行報告，依據臺灣綠建築評估系統的規範，下列敘述何者正確？ (A) 國內綠建築的四大指標範疇分別為：生態、節能、水資源與健康 (B) 在水資源指標中，評估項目：垃圾分類回收系統與落葉堆肥設置 (C) 為了符合生物多樣性指標，建議種植外來種植物並鋪設人工草皮 (D) 提升日常節能指標，重點在建築外殼隔熱、空調效率及照明節能

42. 有關設計類競賽的推動與舉辦，下列何者是由「臺灣設計研究院」(TDRI)負責執行？ (A) 金點設計獎 (B) 臺灣金星設計獎 (C) 臺灣國際平面設計獎 (D) DFA 亞洲最具影響力設計獎

10. 某零售電商平台計劃建置機器學習模型分析會員行為。在資料預處理階段，資料科學團隊發現會員的「年消費總額」與「月到訪次數」數值範圍差異較大，可能影響部分機器學習模型的訓練效果，因此決定採用 Z-Score 標準化(Standardization)進行特徵縮放。已知該平台全體會員的「年消費總額」平均值為 30,000 元，標準差為 5,000 元。若某位 VIP 會員的年消費總額為 40,000 元，下列敘述何者正確？ (A)經過 Z-Score 轉換後，該會員的年消費總額特徵值將被限制於 0 至 1 的範圍內，以利模型訓練； (B)計算後該會員的 Z-Score 值為 2，代表其消費金額高於平均值兩個標準差，可反映其消費金額相對於整體會員的高低程度； (C)不論原始消費資料的分布為何，只要經過 Z-Score 轉換，整組資料一定會轉換為標準常態分配； (D)即使完成 Z-Score 轉換，由於「月到訪次數」與「年消費總額」原始計量單位不同，兩項特徵仍不適合同時作為機器學習模型的輸入

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

二、 近年，「快時尚」不僅製造環境災難，更演化出「超快時尚」（Ultrafast fashion）。最新報告警示，全球服飾業碳排放量不減反增，原被寄予厚望的循環經濟策略，在實踐上正面臨政策、金融與消費者的多重挑戰。        服裝影響研究所（AII）公布的《成衣業淨零路徑評估報告》顯示， 2023 年全球成衣業排碳量達 9.4 億噸，年成長率 7.5%，乃是 2019 年追蹤以來的最大增幅。若趨勢不變，2030 年排放量將逼近 12 億噸。研究指出，成衣業超過九成的排放與原料有關，但推動循環經濟卻遭逢四大困境： 1.再生料成本高昂：國際原油價使石化原料更具競爭力，加上通膨 壓力，品牌端極力壓低價格，難有餘裕投資再生材料。2.規模化困難：紡織原料回收率不到 1%，品質不穩且未達經濟規模。3.回收體系不健全：從回收、分選到再製造的系統尚未銜接。 4.消費習慣難改：消費者偏好低價、快速的產品，使維修、二手衣 等環境友善模式難以打開市場。        此外，「超快時尚」橫空出世，以極短上市週期與低價刺激購買慾， 帶來海量跨境包裹與垃圾。這種典型的「線性經濟」——大量開採、生 產、銷售並快速丟棄，讓淨零任務難上加難。       數據顯示，目前纖維總產能仍有近六成來自化石燃料的人造纖維。 以最常用的「聚酯纖維」為例，其回收料採用率在 2023 年不進反退，僅 剩 12.5%，其餘如棉、羊毛、尼龍等回收率甚至低於 5%。       儘管整體產業陷入停滯，部分領頭企業已使用高達 94%的回收聚酯， 成功降低排放。AII 呼籲，品牌應設置「氣候基金」資助供應商轉型。服 裝業若想撕下「拋棄式時尚」的負面標籤，必須將循環經濟從口號轉為 核心戰略，透過創新融資與供應鏈合作，學會「慢下來」，減少對環境的副作用。問題：        近年來，「快時尚」與「超快時尚」以低價、快速更新與大量行銷，改變了人們的消費習慣，也造成龐大的資源浪費與環境負擔。面對便利 與永續之間的衝突，有人認為消費自由最重要，也有人主張應重新思考 「需要」與「想要」的差別，建立更負責任的生活方式。        請以「慢下來的選擇」為題，結合自身觀察、生活經驗或社會現象，說明你對消費文化與環境永續的看法。