FINDING #7508 · UNIT ID 981057369
ageron/handson-mlp
A series of Jupyter notebooks that walk you through the fundamentals of Machine Learning and Deep Learning in Python using Scikit-Learn, PyTorch, and Hugging Face libraries.
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
8% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.10
ACCEL
+0.03
RETENTION
40.3%
PEAK 2026-08-05 · FORK-RETENTION 84.2% · 153 STARS / WINDOW
Author Audience
AUDIENCE
25,293
FOLLOWERS
17,829
OWNER ★
74,638
Engagement Signals
FORKS
611
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 153 / 153 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-mlp собрал 153 звёзд за окно, тогда как у автора всего 17,829 подписчиков — эффективная аудитория ≈ 25,293. Это даёт surprise-индекс 0.000201 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 84.2% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 22% OF 9593 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9593 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 22%
VELOCITY5.103.63+1.47ABOVE 62%
RETENTION40.3%25.0%+15.3 PPABOVE 79%
FORKS611117+494ABOVE 85%
SURPRISE0.000.01-0.01ABOVE 7%