Google Advanced Data Analytics Professional Certificate
În septembrie 2026 am finalizat Google Advanced Data Analytics Professional Certificate, certificarea profesională dezvoltată de Google și livrată pe Coursera: Python, statistică, regresie și noțiuni de machine learning.
Google · Coursera
În septembrie 2026 am finalizat Google Advanced Data Analytics Professional Certificate, o certificare profesională de nivel avansat dezvoltată de Google și livrată pe platforma Coursera. Am ales-o pentru că voiam mai mult decât să citesc un raport de campanie: voiam să înțeleg ce este în spatele cifrelor, cum se verifică o ipoteză și cum se ia o decizie pe baza datelor, nu a impresiilor.
Programul urmărește parcursul complet al unui proiect de date. Începe cu formularea corectă a întrebării, continuă cu explorarea și curățarea datelor în Python și cu analiza exploratorie (EDA), apoi trece prin statistică descriptivă și inferențială. Partea aceasta m-a disciplinat: înainte să tragi o concluzie, trebuie să știi ce date ai, cât de curate sunt și ce pot și ce nu pot să susțină.
Programul continuă cu modelele de regresie și noțiunile de bază de machine learning, tot în Python, și se încheie cu partea pe care o găsesc grea în practică: comunicarea rezultatelor către decidenți. Un model bun nu valorează nimic dacă nu îl poți explica în două fraze clare unui om care nu lucrează cu date, dar care trebuie să ia o decizie pe baza lor.
Competențele acestea le folosesc direct în Upscale Innovation, agenția pe care am fondat-o la șaisprezece ani. Rulăm campanii Google Ads și Meta Ads pentru restaurante, saloane, real estate și alte afaceri locale, iar fiecare campanie produce zilnic date. Diferența pe care o face certificarea este că acum citesc rezultatele ca un set de date, nu ca o listă de cifre: caut tendințe, verific dacă o variație este reală sau întâmplătoare și abia apoi propun o schimbare de buget sau de mesaj.
Certificarea completează cursul Google Foundations of Digital Marketing and E-commerce, tot pe Coursera, unde am lucrat cu Google Analytics, publicitate plătită și SEO. Dacă acolo am învățat unde apar datele într-o afacere online, aici am învățat ce să fac cu ele. Se leagă și de profilul mate-info pe care îl urmez la Colegiul Național „Gheorghe Lazăr”: matematica de la clasă capătă alt sens atunci când o aplic pe cifre reale, cu consecințe reale pentru un client.
Pe termen lung, vreau ca Upscale Innovation să devină o companie de inovație, capabilă să dezvolte start-up-uri și soluții tech, iar acolo nu se poate construi nimic serios fără oameni care înțeleg datele. Certificarea este un pas în direcția asta, nu o destinație. Certificatul poate fi verificat public pe Coursera, prin linkul de mai jos; prefer ca lucrurile pe care le afirm despre mine să poată fi verificate.
Ce am învățat, pe teme
| Temă | Ce am învățat |
|---|---|
| Bazele științei datelor | Rolurile profesioniștilor în date într-o organizație, felul în care analiza influențează deciziile, etica și confidențialitatea datelor, planul unui proiect de analiză. |
| Analiză exploratorie (EDA) | Structurarea și curățarea datelor, investigarea datelor brute în Python și vizualizări în Tableau: drumul de la cifre la concluzii. |
| Statistică | Rezumarea unui set de date, distribuții de probabilitate, testarea ipotezelor și analize statistice în Python. |
| Regresie | Relațiile dintre variabile, ipotezele unui model de regresie, regresie liniară și logistică în Python, evaluarea și interpretarea modelului. |
| Machine learning | Tipurile de învățare automată, pregătirea datelor, modele supervizate și nesupervizate în Python, alegerea modelului și a metricii potrivite. |
| Proiectul final | Un proiect dus de la un capăt la altul: tipare și tendințe în date, un model, vizualizări și prezentarea concluziilor. |
De la date la buget: ce fac cu asta
Testarea ipotezelor este partea pe care o folosesc cel mai des la reclame. Când două variante de anunț au rate de clic diferite, întrebarea corectă nu este „care e mai mare”, ci „diferența e reală sau e întâmplare, la câte afișări am?”. Abia când datele sunt suficiente mut bugetul de la o variantă la alta.
Regresia mă ajută la întrebarea de după: ce anume explică un cost pe conversie mai mare — ziua, ora, dispozitivul, cuvântul-cheie sau pagina pe care ajunge omul? Iar analiza exploratorie este primul pas la orice cont nou: mă uit la date, le curăț și le văd distribuția înainte să schimb ceva.
Finalul este mereu același: o concluzie pe care clientul o poate folosi. Costul unui client nou, randamentul cheltuielii cu reclama (ROAS), randamentul investiției (ROI) — spuse în două fraze, cu cifra lângă.