阿摩線上測驗 登入

最新科目

最新試卷

115年 - 115 中華民國人壽保險管理學會_春季壽險管理人員暨核保理賠人員測驗:核保理論與實務#138268(50題)

115年 - 115 中華民國人壽保險管理學會_春季壽險管理人員暨核保理賠人員測驗:核保醫務常識#138267(50題)

115年 - 115 國營臺灣鐵路股份有限公司從業人員_甄試試題_第10階-助理技術員-電力、電務:電子學概要#138261(50題)

115年 - 115 國營臺灣鐵路股份有限公司_從業人員甄試試題_第10階-助理技術員-電力 第10階-助理技術員-電力(臨軌施工) 第10階-助理技術員-電務 第10階-助理技術員-電務(產學合作) 第10階-助理技術員-電務(臨軌施工):電工機械概要#138253(50題)

115年 - 115-1 國立中央大學附屬中壢高級中學教師甄選試題:數學科#138235(15題)

【已刪除】115年 - 115 國營臺灣鐵路股份有限公司_從業人員甄試_第 10 階、第 11 階:作文#138233(1題)

115年 - 115 高雄中學_正式教師甄選試題︰體育科#138232(19題)

115年 - 115 國營臺灣鐵路股份有限公司_從業人員甄試試題_第10階-助理站務員-運務、第11階-服務員-運務(身心障礙):鐵路運輸學概要#138231(50題)

115年 - 115 國營臺灣鐵路股份有限公司_職業安全衛生室從業人員甄試_第9階-事務員-廉政:政府採購法概要#138230(50題)

115年 - 115 國營臺灣鐵路股份有限公司_從業人員甄試試題_第10階-助理事務員-事務管理 第11階-服務員-事務管理、事務管理(身心障礙):事務管理大意#138229(50題)

最新試題

最新申論題

最新課程

最新主題筆記

最新討論

24. 徐老師上國語課時應用PIRLS閱讀理解教學,引導學生從課文中提取訊息、推論訊息、整合詮釋、比較評估,說出其中的深層涵義。請問徐老師在進行上述教學時,主要是把他對閱讀理解教學的知識視為哪一種類型的知識來應用? (A)陳述知識 (B)程序知識 (C)條件知識 (D)語意知識

35.依據勤務指揮中心狀況處置作業程序規定,下列敘述何者錯誤?(A)有關勤務指揮中心之狀況處置,第一時間到達員警經審認案件非屬處理權責人員,向勤務指揮中心回報到達後,應即離開現場,責由相關處理人員進行蒐證備查(B)勤務指揮中心受理人員不管民眾撥一一○或視訊報案,均應填寫受理一一○報案紀錄單(C)處理事故第一時間到達員警,回報內容須對現場狀況概略描述,勤務指揮中心受理人員應同步對回報內容重點登錄(D)受理一一○報案檢舉色情、賭博、電玩、毒品及員警風紀等案件,不便立即派遣警力到場者,應派遣至所轄分局勤務指揮中心及影送業管單位

3. 圖中曲面上各點的座標代表一純物質的體積V、溫度T 與壓力P。甲、乙、丙均為等溫線,其粗線部分與V 軸平行,圖中虛線為此物質 兩態共存區之邊界線。關於此物質三態的敘述,下列何者錯誤? (A)在甲溫度時,此物質之固態與液態可以共存 (B)在乙溫度時,此物質之液態與氣態可以共存 (C)在高於丙溫度時,此物質無法三態共存 (D)在適當的溫度、壓力和體積條件下,物質三態是可共存的

25. 在大型語言模型(LLM)的推論服務中,常透過請求批次處理(Batching)來提升系統效能。關於批次處理(Batching)機制的影響,下列敘述何者最正確? (A)Batching 可提升加速器資源使用效率並增加整體吞吐量(Throughput),但在部 分情境下可能對單筆請求延遲造成影響; (B)Batching 主要用於加快單筆請求回應時間; (C)Batching 的效益主要來自降低記憶體使用量,對於吞吐量(Throughput)與延 遲表現影響有限; (D)Batching 在低併發(Concurrency)請求下,仍能明顯提升系統效能

26. 在可解釋 AI(Explainable AI, XAI) 的分類架構中,LIME(Local Interpretable Model-agnostic Explanations)屬於哪一類解釋技術? (A)內建可解釋模型(Intrinsic Interpretability):模型本身具有透明的決策結構; (B)對話式解釋系統(Conversational AI Explainer):透過互動對話提供模型解釋; (C)後處理模型解釋(post-hoc):對已訓練模型提供外部解釋 ; (D)代理模型技術(Surrogate Model):訓練另一個簡單模型來完全取代原黑盒模型 進行推論

27. SHAP(SHapley Additive exPlanations)值常用於分析機器學習模型的輸出行為。下列何者最符合 SHAP 值所提供的資訊? (A)模型在訓練過程中,各特徵對損失函數收斂速度的影響程度; (B)依據特徵對模型整體準確率的影響,自動篩除低重要性變數; (C)在單一預測結果中,各輸入特徵對最終輸出所產生的貢獻分配; (D)透過調整特徵權重,使模型在推論階段降低計算複雜度