FINDING #3945 · UNIT ID 461147335
ageron/handson-ml3
A series of Jupyter notebooks that walk you through the fundamentals of Machine Learning and Deep Learning in Python using Scikit-Learn, Keras and TensorFlow 2.
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
3.33
ACCEL
-5.00
RETENTION
0.0%
PEAK 2026-07-25 · FORK-RETENTION 0.0% · 10 STARS / WINDOW
Author Audience
AUDIENCE
25,140
FOLLOWERS
17,717
OWNER ★
74,225
Engagement Signals
FORKS
5,219
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 10 / 10 (DIVERSITY 1.00)
Why This Is A Finding
ageron/handson-ml3 собрал 10 звёзд за окно, тогда как у автора всего 17,717 подписчиков — эффективная аудитория ≈ 25,140. Это даёт surprise-индекс 0.000132 (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 12% OF 4503 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 4503 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00-0.00ABOVE 12%
VELOCITY3.335.33-2.00ABOVE 20%
RETENTION0.0%0.0%0.0 PPABOVE 0%
FORKS5,219457+4,762ABOVE 90%
SURPRISE0.000.00-0.00ABOVE 9%