FINDING #4342 · 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)
1% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.67
ACCEL
-1.00
RETENTION
57.1%
PEAK 2026-07-14 · FORK-RETENTION 0.0% · 17 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 17 / 17 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-mlp собрал 17 звёзд за окно, тогда как у автора всего 17,686 подписчиков — эффективная аудитория ≈ 25,095. Это даёт surprise-индекс 0.000225 (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 14% OF 5024 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 5024 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 14%
VELOCITY5.676.67-1.00ABOVE 43%
RETENTION57.1%46.5%+10.7 PPABOVE 61%
FORKS561116+445ABOVE 84%
SURPRISE0.000.01-0.01ABOVE 6%