FINDING #8710 · 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)
0% OF STARS IN ARCHIVE
Growth Telemetry
VELOCITY /D
1.43
ACCEL
-0.21
RETENTION
0.0%
PEAK 2026-10-15 · FORK-RETENTION 0.0% · 10 STARS / WINDOW
Author Audience
AUDIENCE
25,474
FOLLOWERS
17,957
OWNER ★
75,174
Engagement Signals
FORKS
665
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 10 / 10 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-mlp собрал 10 звёзд за окно, тогда как у автора всего 17,957 подписчиков — эффективная аудитория ≈ 25,474. Это даёт surprise-индекс 0.000056 (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 10% OF 9651 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 9651 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 10%
VELOCITY1.433.14-1.71ABOVE 0%
RETENTION0.0%16.7%-16.7 PPABOVE 0%
FORKS665277+388ABOVE 67%
SURPRISE0.000.00-0.00ABOVE 6%