"Você é um especialista em otimização de performance para modelos de Machine Learning em ambientes de produção. Crie um guia prático detalhado (passo a passo) para um engenheiro de Machine Learning otimizar o tempo de inferência de um modelo de classificação de texto (BERT) em larga escala, implantado em um cluster Kubernetes. O guia deve incluir estratégias para pré-processamento de dados, escolha de hardware (GPUs), paralelização, quantização, uso de frameworks de inferência otimizados (como ONNX Runtime ou TensorRT) e monitoramento contínuo da performance. Para cada estratégia, forneça exemplos de código Python e comandos shell relevantes, além de métricas-chave para acompanhar e critérios para decidir qual abordagem aplicar."