| 題號 | 考點主題 | 答案 |
|---|---|---|
| 1 | Von Neumann 架構：四大單元與 Von Neumann Bottleneck | (B) |
| 2 | 十六進位與二進位轉換、無號與有號整數表示法 | (A) |
| 3 | 二進位補數表示法（2's Complement）：範圍、加減法與優點 | (C) |
| 4 | 位元遮罩(Bit Mask)技巧：以 AND 清除(Clear)、以 OR 設定(Set)特定位元 | (A) |
| 5 | CPU 內部暫存器與資料流架構圖 | (D) |
| 6 | OSI 七層與 TCP／IP 四層對照 | (A) |
| 7 | 有線傳輸介質三種比較：雙絞線、同軸電纜、光纖 | (B) |
| 8 | 常見應用層協定 Port 對照表與 DNS、DHCP、FTP | (C) |
| 9 | 4 種 Cloud Computing 服務模式：IaaS／PaaS／SaaS／DaaS | (D) |
| 10 | Deadlock 處理策略總覽：Prevention／Avoidance／Detection／Recovery | (B) |
| 11 | System Call（系統呼叫）：定義、特權指令範例與六大類型 | (C) |
| 12 | CPU 排程演算法比較：FCFS、SJF、Priority、RR 與 Multilevel Queue | (B) |
| 13 | Peterson's Solution 與 Semaphore（解決 Critical Section 問題） | (A) |
| 14 | 遞迴（Recursion）基本概念：分而治之與 Base Case | (B) |
| 15 | 巢狀作用域 Symbol Table：Scope Chain 與變數遮蔽（Shadowing） | (B) |
| 16 | 軟體測試：黑箱測試、白箱測試與邊界值分析 | (A) |
| 17 | 軟體測試：黑箱測試、白箱測試與邊界值分析 | (C) |
| 18 | 軟體設計模式基礎：Factory、Adapter 與架構角色類別（Entity／Controller／Domain） | (D) |
| 19 | UML 圖表分類：Structure Diagrams 與 Behavior Diagrams | (D) |
| 20 | OOP 基本概念：封裝、繼承與 Class／Instance Variable 定義 | (C) |
| 21 | 一維與二維陣列位址計算公式（Row-major／Column-major） | (A) |
| 22 | C／C++ 常見運算子優先權速查表：算術、關係、邏輯運算子 | (B) |
| 23 | Stack 應用技巧：Infix／Postfix／Prefix 轉換與 Palindrome 檢查 | (C) |
| 24 | Big O 化簡邏輯：只留最高階項與省略係數 | (D) |
| 25 | BFS 與 DFS：定義、範例與比較 | (D) |
| 題號 | 考點主題 | 答案 |
|---|---|---|
| 26 | 由前序＋中序／中序＋後序決定唯一 Binary Tree（前序＋後序為何不行） | (B) |
| 27 | Stack 與 Queue 定義與應用場景 | (C) |
| 28 | Stack 與 Queue 定義與應用場景 | (D) |
| 29 | Hash Function 與雜湊表（Hash Table）基本概念 | (A) |
| 30 | Hash Function 與雜湊表（Hash Table）基本概念 | (B) |
| 31 | 資料庫系統與傳統檔案系統：檔案系統的缺點與資料模型分類 | (A) |
| 32 | 資料庫系統與傳統檔案系統：檔案系統的缺點與資料模型分類 | (C) |
| 33 | Huffman Algorithm 建構的樹形性質與適用條件 | (B) |
| 34 | 加密技術基礎：對稱式加密與常見演算法（DES／AES／IDEA／RC4） | (D) |
| 35 | 數位簽章、數位憑證與安全通訊協定：PGP、S／MIME、SSL／TLS、SET | (A) |
| 36 | 不可計算問題（Undecidable Problem）與 Halting Problem：與 NP-Hard／NPC 的本質差異 | (C) |
| 37 | 確定有限狀態自動機（DFA）：以餘數為狀態判斷整除，及與 NFA 的等價 | (C) |
| 38 | 模型過擬合與欠擬合（Overfitting／Underfitting）：成因、判斷與解決方法 | (A) |
| 39 | 分類模型評估指標：混淆矩陣、Precision、Recall、F1-Score 與 ROC／AUC | (B) |
| 40 | 模型過擬合與欠擬合（Overfitting／Underfitting）：成因、判斷與解決方法 | (D) |
| 41 | 強化學習（Reinforcement Learning）：Agent、Environment、Reward 與 Q-learning、DQN | (C) |
| 42 | 機器學習四大學習方式：監督式、非監督式、半監督式與遷移學習 | (A) |
| 43 | 梯度下降法與反向傳播：類神經網路的訓練機制與數值範例 | (D) |
| 44 | 傳統 AI 技術總覽：Rule-based Inference、Case-based Reasoning、Data Mining 與 Theory Proof | (B) |
| 45 | 機器學習中的偏見（Bias）與公平性議題 | (D) |
| 46 | 機器學習中的偏見（Bias）與公平性議題 | (A) |
| 47 | 機器學習中的偏見（Bias）與公平性議題 | (B) |
| 48 | Chatbot、Agent 與 Copilot：三種 AI 互動型態與觸發方式比較 | (C) |
| 49 | 聯邦學習、RAG 與 RLHF：三種提升 LLM 表現的技術 | (B) |
| 50 | Self-Attention 與 Multi-Head Self-Attention 機制 | (C) |