Deine individuelle Forecasting-Pipeline mit futureEXPERT und GitHub Copilot
04.07.2025
Transkript anzeigen
Hi und willkommen bei future. In diesem Video möchte ich dir eine Möglichkeit zeigen, wie du mit futureEXPERT loslegen kannst, auch wenn du noch wenig Programmiererfahrung hast. Ein sehr einfacher Weg hierfür ist es, GitHub Codespaces zu verwenden. Codespaces ist eine Programmierumgebung, die kostenlos ist und komplett ohne Installation im Browser genutzt werden kann. Alles, was du dafür brauchst, ist ein Account bei GitHub. Nachdem du dich registriert und eingeloggt hast, gehst du auf github.com/codespaces. Erstelle dann einen neuen Codespace, in dem du Blank als Template verwendest. Das Starten des Codespaces dauert beim ersten Mal einen kurzen Moment, da im Hintergrund Python und ein paar andere Tools installiert werden. Das habe ich bei mir schon mal vorbereitet. Jetzt öffne ich meinen Codespace und kann direkt loslegen. Rechts sehen wir das Chatfenster für den Copilot. Ich wähle als Modus Agent aus und könnte dann noch ein bestimmtes Modell wählen. Als erstes sage ich Copilot, dass für jede meiner Anfragen die Information aus dem Repository verwendet werden sollen. Außerdem soll er gleich das Paket installieren. Nach einer kurzen Recherche findet er den passenden Befehl. Während die Installation läuft, kann ich schon mal im linken Menü nach den Erweiterungen
Python und Jupyter suchen und falls nötig installieren. Als letztes erstelle ich noch eine Datei mit dem Namen .env und hinterlege hier meinen future user und mein future Passwort. Jetzt steht mir nichts mehr im Weg und ich kann zusammen mit Copilot Forecasts für meine Daten erstellen. Wie ich das mache, zeige ich dir im nächsten Video.GitHub Copilot trifft auf futureEXPERT: Das Setup für ein optimales Zusammenspiel
Viele Forecasting-Aufgaben kannst du mit futureEXPERT direkt „out of the box“ lösen – dank ausgereiften Vorlagen und sinnvoller Voreinstellungen. Doch kein Use Case ist wie der andere. Wenn du tiefer einsteigen und gezielt deine individuelle Forecasting-Pipeline erstellen willst, zeigt dir diese Videoreihe, wie GitHub Copilot dich dabei unterstützen kann. Dafür brauchst du keine tiefen Programmierkenntnisse und musst dich auch nicht in die Dokumentation einarbeiten. Stattdessen kannst du Copilot mit natürlicher Sprache per Chat anweisen, für dich die nötigen Features zu finden und passenden Einstellungen zu erstellen.
Im ersten Video zeigen wir dir Schritt für Schritt, wie du von der Registrierung bei GitHub bis zur einsatzbereiten Umgebung mit eingerichtetem Copilot kommst, um futureEXPERT und Copilot optimal zu nutzen.
Vom Datensatz zur Prognose: Dein Workflow mit Copilot
In diesem Video siehst du, wie wir mit Hilfe von GitHub Copilot den gesamten Konfigurationsprozess für einen Datensatz von Verkaufszahlen erstellen. Du lernst, wie du der KI die richtigen Anweisungen (Prompts) für eine maßgeschneiderte Forecasting-Konfiguration gibst und sie dazu bringst, auf Fehler korrekt zu reagieren.
Transkript anzeigen
Hi und willkommen zurück zu future. In diesem Video möchte ich mit dir zusammen einen einfachen Workflow durchgehen, nämlich die Erstellung von Forecasts für Monatsdaten. Ich habe hierfür schon einen entsprechenden Prompt vorbereitet, den ich einfach in Copilot einfüge. Während Copilot nachdenkt, schauen wir uns einmal kurz zusammen den Prompt an. Ich sage ihm wieder, dass er das Repository *futureEXPERT* als Kontext verwenden soll, dann zeige ich ihm, wie die CSV-Datei heißt. Ich möchte für jedes Land eine monatliche Zeitreihe und das Ganze als Jupyter Notebook. Falls du nicht weißt, was ein Jupyter Notebook ist, kannst du das auch einfach ignorieren. Es ist einfach nur eine Art Code einfach zu strukturieren. Zusätzlich sage ich ihm, wie die CSV-Datei aufgebaut ist. Das hilft Copilot, die Konfiguration korrekt zu erstellen. Er hat jetzt Code erstellt, also kann ich hier auf Beibehalten klicken und führe somit den kompletten Code aus. Jetzt wird der Code von oben nach unten durchgeführt. Hier wird der CHECK-IN ausgeführt und wir erhalten eine Fehlermeldung. Das heißt, dass Copilot die CSV-Datei wohl doch nicht richtig erkannt hat. Das sollte aber kein Problem sein. Wir sagen ihm einfach, dass er einen Fehler gemacht hat, kopieren hierfür die Fehlermeldung rüber. Nach einer kurzen Recherche fügt er die fehlenden Spalten als Group Columns ein. Wir sehen, dass das Group Columns Objekt erweitert wurde und klicken auf Beibehalten. Ich klicke erneut auf “Alle ausführen” und diesmal läuft es erfolgreich durch. Jetzt möchte ich Forecasts für die nächsten sechs Monate erstellen und sonst keine weiteren Einstellungen treffen. Er soll bitte eine entsprechende Konfiguration erstellen. Wir sehen, dass das Notebook nach und nach weiter mit einer Konfiguration befüllt wird. Wir sehen hier, dass der Forecast-Horizont gesetzt wird. Unser Report bekommt noch einen Titel. Ich klicke auf Beibehalten und führe den Code aus. Die Forecasts laufen jetzt im Hintergrund. Im letzten Schritt sage ich Copilot noch, dass er die Forecasts herunterladen soll, sobald diese abgeschlossen sind und dann Plots für jede Zeitreihe erstellt. Wir sehen, dass hier wieder Code hinzugefügt wird. Er baut einen Wartemechanismus ein und sobald er abgeschlossen ist, kann ich auf Beibehalten klicken und kann diesen Code ausführen. Auch hier hat er wieder einen Fehler, den ich einfach rüberkopiere, in der Hoffnung, dass er ihn fixen kann. Er sucht im Repository wieder explizit nach einer Lösung für das Problem. Ich klicke auf Beibehalten und führe den Codeblock wieder aus. Wir sehen hier eine kleine Übersicht zu den Forecasts, nämlich die ersten Forecast-Werte und danach sehen wir die Plots für die Forecasts. Und somit haben wir unsere Forecasts erfolgreich erstellt, die Ergebnisse heruntergeladen und sie uns in den Plots angeschaut. In den nächsten Videos zeige ich dir ein bisschen komplexere Workflows, wie die Verwendung von Kovariaten aus dem POOL oder wie man den MATCHER verwendet, um die besten Kovariaten zu finden. Bis dann!
Zuletzt aktualisiert: 04.07.2025