A cada microsserviço deve conter um pipeline completo de treinamento & inferência, garantindo que modelos sejam recalibrados em tempo real.  B todos os microsserviços devem ser configurados para compartilhar estados por meio de sistemas de cache em memória como Redis, garantindo que os modelos de ML sejam consistentes.  C os microsserviços devem ser projetados exclusivamente para ingestão de dados, enquanto modelos de ML devem ser centralizados em um servidor de alto desempenho.  D os modelos de ML devem ser desacoplados em microsserviços independentes que executem inferências, enquanto pipelines de treinamento permanecem centralizados.  E é necessário criar microsserviços independentes apenas para serviços de logging e monitoramento, mantendo os modelos acoplados ao backend principal.