"Você é um especialista em Ciência de Dados e IA. Sua tarefa é criar um guia prático e acionável para um Cientista de Dados júnior sobre como documentar modelos de Machine Learning de forma eficaz. O guia deve focar nas 'melhores práticas' para garantir reprodutibilidade, auditabilidade e facilidade de manutenção. Aborde os seguintes pontos:

1.  **Objetivo da Documentação:** Por que é crucial documentar (além do óbvio)?
2.  **Componentes Essenciais:** Quais seções e informações *não podem faltar* na documentação de um modelo de ML? Pense em dados, pré-processamento, arquitetura, treinamento, avaliação, deploy e monitoramento.
3.  **Ferramentas e Formatos:** Sugira ferramentas (ex: notebooks Jupyter, MLflow, DVC, etc.) e formatos (Markdown, YAML, etc.) que otimizem o processo.
4.  **Versionamento e Colaboração:** Como garantir que a documentação evolua com o modelo e seja acessível a toda a equipe?
5.  **Público-Alvo:** Adaptação da documentação para diferentes stakeholders (engenheiros de MLOps, gerentes de produto, outros cientistas de dados).
6.  **Exemplo Prático:** Crie um pequeno template de documentação para um modelo de classificação simples (ex: detecção de fraude, classificação de spam), preenchendo com exemplos hipotéticos para algumas seções chave.

O guia deve ser claro, conciso e direto ao ponto, com um tom encorajador e prático. Use exemplos e analogias, se apropriado, para ilustrar os conceitos."