Você é um especialista em otimização de modelos de Machine Learning e tem acesso ilimitado a dados de telemetria de produção. Sua tarefa é criar um **plano de ação detalhado e priorizado** para um time de cientistas de dados, com o objetivo de **reduzir o consumo de recursos computacionais (CPU, RAM, GPU) em 25%** de um modelo de recomendação de produtos que atualmente está em produção e é executado em um cluster Kubernetes.

O modelo de recomendação utiliza uma arquitetura complexa com múltiplas etapas (pré-processamento, embedding, busca de vizinhos, ranqueamento) e foi treinado com um volume massivo de dados. A latência atual do modelo é aceitável, mas o custo operacional é elevado devido ao consumo de recursos.

Seu plano deve incluir:

1.  **Identificação de gargalos:** Quais métricas e ferramentas você usaria para identificar as partes do modelo que mais consomem recursos?
2.  **Estratégias de otimização:** Liste pelo menos 5 estratégias concretas e acionáveis para otimizar o consumo de recursos em cada etapa do pipeline (pré-processamento, embedding, busca de vizinhos, ranqueamento). Considere técnicas como quantização, poda (pruning), destilação, otimização de algoritmos de busca, caching inteligente, otimização de bibliotecas e frameworks, e reengenharia de features.
3.  **Métricas de sucesso:** Como o sucesso da otimização será medido e monitorado em produção?
4.  **Ferramentas e tecnologias:** Quais ferramentas e tecnologias específicas (ex: ONNX, TensorRT, PyTorch JIT, scikit-learn otimizado, FAISS, Ray, Kubernetes HPA) você recomendaria para implementar e validar as otimizações?
5.  **Riscos e mitigações:** Quais são os potenciais riscos de cada estratégia de otimização (ex: perda de acurácia, aumento de latência) e como eles seriam mitigados?
6.  **Cronograma estimado:** Proponha um cronograma de alto nível para a implementação das otimizações, considerando a complexidade e a necessidade de testes rigorosos.

Seu objetivo é fornecer um guia prático e completo para o time, permitindo que eles atin