FINDING #7698 · UNIT ID 461147335
ageron/handson-ml3
A series of Jupyter notebooks that walk you through the fundamentals of Machine Learning and Deep Learning in Python using Scikit-Learn, Keras and TensorFlow 2.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
6.33
ACCEL
-1.50
RETENTION
55.6%
PEAK 2026-08-26 · FORK-RETENTION 0.0% · 19 STARS / WINDOW
Author Audience
AUDIENCE
25,281
FOLLOWERS
17,819
OWNER ★
74,618
Engagement Signals
FORKS
5,266
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 19 / 19 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-ml3 собрал 19 звёзд за окно, тогда как у автора всего 17,819 подписчиков — эффективная аудитория ≈ 25,281. Это даёт surprise-индекс 0.00025 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 19% OF 9558 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9558 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 19%
VELOCITY6.335.67+0.67ABOVE 54%
RETENTION55.6%42.9%+12.7 PPABOVE 62%
FORKS5,266333+4,933ABOVE 93%
SURPRISE0.000.00-0.00ABOVE 11%