FINDING #4036 · 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)
49% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
4.64
ACCEL
-0.00
RETENTION
24.4%
PEAK 2026-03-29 · FORK-RETENTION 0.0% · 836 STARS / WINDOW
Author Audience
AUDIENCE
25,095
FOLLOWERS
17,686
OWNER ★
74,094
Engagement Signals
FORKS
561
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 836 / 836 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-mlp собрал 836 звёзд за окно, тогда как у автора всего 17,686 подписчиков — эффективная аудитория ≈ 25,095. Это даёт surprise-индекс 0.000185 (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 32% OF 5944 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5944 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 32%
VELOCITY4.643.29+1.35ABOVE 62%
RETENTION24.4%11.3%+13.0 PPABOVE 79%
FORKS56199+462ABOVE 89%
SURPRISE0.000.01-0.01ABOVE 7%