numpy, pandas, autogluon 만 설치하면 됩니다.
이전에 설치된 다른 라이브러리들과의 충돌 등으로 정상설치혹은 동작을 하지 않는 경우가 있을 수 있으니
파이선 환경을 새로 만들어서 설치해보시기 바랍니다.
혹은 '!pip check' 로 버전이 안맞게 설치된 라이브러리들이 없는지 확인할 수도 있습니다.
PS. 재설치를 해보니, autogluon을 import할때, mxnet을 설치하라는 오류가 발생하네요.
추가 설치해 주시면 됩니다. ( 저는 python 3.9, autogluon 0.8.2 로 설치되어 있습니다. )

날카로운 질문을 해주셨네요.
1) past covariates:  ['supply(kg)']  항목을 지정했기 때문에 과거 데이터를 지정해 주어야 합니다.
   위의 예는 autogluon이 supply(kg) 항목을 사용하여 예측을 합니다. (모든 모델은 아니고, 일부 모델에서 이를 반영합니다.)
   따라서, train_df 의 데이터 컬럼에서 'supply(kg)' 항목을 제거하면, predict시 data를 지정하지 않아도 될 겁니다.
2) 예측기간을 모델생성할때 인자 값으로 미리 주었습니다. '28', 그래서 28일치가 예측됩니다.
    ( 28일은 autogluon이 모델들을 평가할 때도 사용합니다.)

상세한 답변 정말 감사합니다!

기본 설정값으로 예측해야 하는 28일의 바로 직전 28일 하나를 내부 평가지표로 사용하다보니, 모델이 과적화 되는 면이 있습니다. num_val_windows 값을 키우면 과적화해소에 도움이 되는데, 훈련시간은 커지며, 예측일자에서 멀어지는 만큼, 꼭 좋아진다고 볼 수도 없어, 이 부분도 튜닝항목입니다.

메뉴얼 보니. 
(except those trained on GPU because of the non-determinism of GPU operation) 이렇게 적혀 있기는 하네요.. 원래 GPU는 seed가 고정이 안되는 건가요?..

저는 같게 나오는 것으로 보았는데, 아마도 CPU로 만 동작했던것 같습니다. GPU seed 고정방법은 별도의 cuda 설정이 있는줄 압니다.
( ex. https://stackoverflow.com/questions/52874480/is-it-possible-make-cuda-deterministic : pytorch의 예 인데, 동작하는지 모르겠네요. )

def seed_everything(seed):
    os.environ['PYTHONHASHSEED'] = str(seed)
    random.seed(seed)
    np.random.seed(seed)
    pl.seed_everything(seed)
    mx.random.seed(seed)
    torch.manual_seed(seed)
    torch.cuda.manual_seed(seed)
    torch.cuda.manual_seed_all(seed) 
    torch.backends.cudnn.deterministic = True
    torch.backends.cudnn.benchmark = False
    torch.backends.cudnn.enabled = False


seed_everything(SEED) 

이렇게 하면 일단 고정 되네요.. 도움 감사합니다.