Crie um guia abrangente de padrões de design para engenheiros de IA, focado em otimização de custo e escalabilidade para modelos de aprendizado de máquina em produção. O guia deve incluir:

1.  **Padrões de Arquitetura:** Descreva padrões como "Microserviços de Inferência", "Orquestração de Pipelines de ML" e "Serviço de Feature Store Centralizado", explicando seus prós e contras em relação a custo e escalabilidade.
2.  **Padrões de Dados:** Apresente padrões para "Gestão de Dados de Treinamento Versionados", "Monitoramento de Desvio de Dados (Data Drift)" e "Estratégias de Cache de Features", com foco em eficiência e governança.
3.  **Padrões de Implementação/Código:** Detalhe padrões como "Modularização de Modelos (Ensemble)", "Versionamento de Modelos em Produção" e "Testes Automatizados de Modelos (Model Testing)", abordando a manutenção e a resiliência.
4.  **Padrões Operacionais (MLOps):** Inclua padrões para "CI/CD para Modelos de ML", "Observabilidade e Monitoramento de Modelos" e "Estratégias de Rollback e Canary Deployment para Modelos", visando a automação e a confiabilidade.

Para cada padrão, forneça:
*   Um nome claro e descritivo.
*   Uma breve descrição.
*   Os problemas que ele resolve.
*   As soluções que ele propõe.
*   As consequências (prós e contras) em termos de custo, escalabilidade, complexidade e tempo de desenvolvimento.
*   Exemplos de tecnologias ou ferramentas que podem ser usadas para implementar o padrão.

O tom deve ser técnico, prático e focado na aplicabilidade em cenários reais de engenharia de IA.