FINDING #5742 · 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)
2% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
5.57
ACCEL
+0.00
RETENTION
57.1%
PEAK 2026-07-14 · FORK-RETENTION 0.0% · 39 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 39 / 39 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-mlp собрал 39 звёзд за окно, тогда как у автора всего 17,686 подписчиков — эффективная аудитория ≈ 25,095. Это даёт surprise-индекс 0.000222 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.
Related Findings
RANKS ABOVE 17% OF 6892 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 6892 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 17%
VELOCITY5.574.14+1.43ABOVE 59%
RETENTION57.1%40.6%+16.5 PPABOVE 72%
FORKS56189+472ABOVE 87%
SURPRISE0.000.01-0.01ABOVE 7%