INRIA/scikit-learn-mooc — GitHub trend

◂ BACK TO LEADERBOARD

▲РЕПО НЕТ В ОКНЕ 90D. ПОКАЗАН FINDING ИЗ ОКНА 7D (7 days) — РАНГ #7790.

FINDING #7790 · UNIT ID 246063957

INRIA/scikit-learn-mooc

Machine learning in Python with scikit-learn MOOC

[ JUPYTER NOTEBOOK ][ ORG ][ GITHUB ↗ ]

SURPRISE SCORE

0.00

Score Breakdown

SURPRISE0.00096

ENGAGEMENT0.20

FRESHNESS1.00

SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE

SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)

1% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D

1.57

ACCEL

-0.04

RETENTION

37.5%

PEAK 2026-09-08 · FORK-RETENTION 0.0% · 11 STARS / WINDOW

Author Audience

AUDIENCE

1,596

FOLLOWERS

401

OWNER ★

3,972

Engagement Signals

FORKS

599

ISSUE AUTH

PR AUTH

UNIQUE STARGAZERS 11 / 11 (DIVERSITY 1.00)

Why This Is A Finding

INRIA/scikit-learn-mooc собрал 11 звёзд за окно, тогда как у автора всего 401 подписчиков — эффективная аудитория ≈ 1,596. Это даёт surprise-индекс 0.00096 (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 20% OF 9789 FINDINGS

#524philshiu/Drosophila_brain_model[ JUPYTER NOTEBOOK ]0.0302 #992xbsheng/atguigu-note[ JUPYTER NOTEBOOK ]0.0178 #1033Lordog/dive-into-llms[ JUPYTER NOTEBOOK ]0.0171 #1276gmonce/scikit-learn-book[ JUPYTER NOTEBOOK ]0.0139 #1458MLO-lab/LeVJEPA[ JUPYTER NOTEBOOK ]0.0123

METRICS IN CONTEXT

MEDIAN ACROSS ALL 9789 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW

METRICVALUEMEDIANΔ MEDPERCENTILE

SCORE0.000.00-0.00ABOVE 20%

VELOCITY1.573.43-1.86ABOVE 7%

RETENTION37.5%37.5%0.0 PPABOVE 48%

FORKS599120+479ABOVE 84%

SURPRISE0.000.01-0.01ABOVE 16%