21(1)階乘的迭代、遞迴與尾遞迴填空
考點：遞迴（Recursion）基本概念：分而治之與 Base Case
- Iteration：
result = result * i（或result *= i） - Recursion：
n * f_recur(n - 1) - Tail-Recursion：
f_tail_recur(n - 1, accu * n)
| 題號 | 考點主題 | 答案 |
|---|---|---|
| 1 | Von Neumann 架構：四大單元與 Von Neumann Bottleneck | (D) |
| 2 | Von Neumann 架構：四大單元與 Von Neumann Bottleneck | (A) |
| 3 | 程式設計典範：命令式（Imperative）與宣告式（Declarative）、OOP 與 FP 比較 | (A) |
| 4 | 二進位補數表示法（2's Complement）：範圍、加減法與優點 | (B) |
| 5 | 字元編碼：ASCII、Big5、UTF-8 | (D) |
| 6 | 位元遮罩(Bit Mask)技巧：以 AND 清除(Clear)、以 OR 設定(Set)特定位元 | (C) |
| 7 | 電腦圖學基礎：3D 繪圖流程（Modeling／Rendering／Displaying）、光線反射類型與平面法向量 | (D) |
| 8 | AI 加速晶片比較：GPU、TPU、NPU 與 CUDA | (A) |
| 9 | 迭代結構（Iterative Structure）：前測與後測迴圈、迴圈三要件與追蹤除錯法 | (A) |
| 10 | 3 種 I／O 中斷處理方式：Programmed I／O、Interrupt I／O、DMA | (C) |
| 11 | JVM（Java Virtual Machine）基本概念：Bytecode、跨平台與垃圾回收 | (C) |
| 12 | 初等排序：Bubble／Insertion／Selection Sort 演算法與範例 | (B) |
| 13 | 由前序＋中序／中序＋後序決定唯一 Binary Tree（前序＋後序為何不行） | (B) |
| 14 | 由前序＋中序／中序＋後序決定唯一 Binary Tree（前序＋後序為何不行） | (A) |
| 題號 | 考點主題 | 答案 |
|---|---|---|
| 15 | 電腦圖學基礎：3D 繪圖流程（Modeling／Rendering／Displaying）、光線反射類型與平面法向量 | (D) |
| 16 | Python list：負索引、切片與串接 | (C) |
| 17 | Python list：負索引、切片與串接 | (B) |
| 18 | Java 陣列（Array）基本概念：固定長度、0-index 與 length 欄位 | (B) |
| 19 | OOP 基本概念：封裝、繼承與 Class／Instance Variable 定義 | (A) |
| 20 | 多媒體檔案格式：點陣圖／向量圖與影片壓縮標準 | (D) |
考點：遞迴（Recursion）基本概念：分而治之與 Base Case
result = result * i（或 result *= i）n * f_recur(n - 1)f_tail_recur(n - 1, accu * n)考點：遞迴函式的空間複雜度分析：Activation Record 計數法
| Approach | Time Complexity | Space Complexity |
|---|---|---|
| Iterative | O(n) | O(1) |
| Recursive | O(n) | O(n) |
| Tail-Recursive | O(n) | O(n) |
考點：遞迴函式的空間複雜度分析：Activation Record 計數法
考點：網路基本定義與三種劃分方式：規模、作業模式、網路拓撲
原因：纜線過長使訊號衰減，且傳播延遲超過 CSMA/CD 可偵測碰撞的範圍，造成資料錯誤。
解法：纜線長度不超過標準上限，延伸距離時加中繼器，或以橋接器、交換器分段。
考點：網路基本定義與三種劃分方式：規模、作業模式、網路拓撲
原因：兩端沒有阻抗相符的終端電阻時，訊號在纜線末端反射，與後續訊號互相干擾而造成錯誤。
解法：匯流排兩端各裝阻抗相符（50 歐姆）的終端電阻吸收訊號。
考點：十六進位與二進位轉換、無號與有號整數表示法
6 位。
考點：NoSQL 資料庫：CAP 定理、BASE 特性與四種資料模型
考點：GPT 與 BERT：兩大 Transformer 預訓練語言模型比較、MQTT 物聯網通訊協定、邊緣運算（Edge Computing）基本概念：與雲端運算的取捨
(1) IoT：實體物件具備感測、運算與通訊能力並連上網路，自動收集交換資料、可遠端監控的架構。
(2) LLM in GPT：以大量文字預訓練、參數規模龐大的語言模型；GPT 以 Transformer 解碼器預測下一個 token 預訓練，能依提示生成文字；InstructGPT、ChatGPT 等版本再以指令微調與 RLHF 對齊。
(3) Edge Computing：在靠近資料來源的網路邊緣處理資料，降低延遲與頻寬用量。