# Como agendo o treinamento para quando a rede elétrica estiver mais verde?

> Rode treinamentos e trabalhos de IA em lote quando a intensidade de carbono da rede estiver baixa: use previsões, checkpoints para pausar e prazos como limite firme.

Source: https://greenai.guide/pt/como/como-agendo-o-treinamento-para-quando-a-rede-eletrica-estiver-mais/  
Updated: 2026-11-19

## Em resumo

Encontre os trabalhos que podem esperar, como treinamento, ajuste fino, avaliação e inferência em lote, e inicie-os quando uma previsão de intensidade de carbono mostrar que a rede está mais limpa. Salve checkpoints regulares para que os trabalhos longos possam pausar quando a intensidade subir e retomar quando ela cair, dentro de um prazo firme. O agendamento consciente do carbono corta o carbono, não a energia, então faça-o além do trabalho de eficiência.

## Steps

1. Liste os trabalhos de IA que podem esperar horas sem prejuízo, com o prazo real de cada um.
2. Obtenha uma previsão de intensidade de carbono para a região onde o trabalho roda.
3. Inicie os trabalhos flexíveis na janela mais limpa que ainda cumpra o prazo.
4. Salve checkpoints, incluindo o estado do otimizador, para que os trabalhos longos possam pausar e retomar.
5. Acompanhe a energia por trabalho, além do carbono, para que o agendamento não esconda o crescimento.

**A maioria dos trabalhos de treinamento não precisa começar no instante em que você aperta enter.** Movê-los para
horas mais limpas reduz o carbono deles sem mudar nada no modelo.

## De onde vêm as previsões? {#where-do-forecasts-come-from}

- Na Grã-Bretanha, a Carbon Intensity API do National Energy System Operator prevê a intensidade de carbono com mais
  de 96 horas de antecedência para 14 regiões.
- A Electricity Maps fornece dados em tempo real e previsões para mais de 350 zonas no mundo todo.
- O Carbon Aware SDK da Green Software Foundation é uma API web e uma ferramenta de linha de comando que usa esses
  dados para que o software possa "fazer mais quando a eletricidade vem de fontes limpas e de baixo carbono, e menos
  quando não vem".

## Como lido com trabalhos longos? {#how-do-i-handle-long-jobs}

O padrão da Green Software Foundation para cargas de IA sugere pausar e retomar os trabalhos de treinamento longos com
base em limites de intensidade de carbono, quando for viável. Isso exige checkpoints regulares, incluindo o estado do
otimizador, para que nada se perca quando um trabalho para. Meça o custo adicional dos checkpoints para que as pausas
não custem mais do que economizam.

## Erros comuns {#common-mistakes}

- **Confundir carbono com energia.** Deslocar um trabalho não faz com que ele use menos; um número de carbono em queda
  pode esconder uma energia em alta. Acompanhe os dois.
- **Deixar os prazos escorregarem.** Faça do prazo um limite firme, não uma preferência.
- **Agendar com base em médias anuais.** Você precisa de previsões por hora para a região onde o trabalho realmente
  roda.
- **Agendar trabalhos minúsculos.** O ganho está nas execuções grandes e flexíveis, não em cada script.

Você também pode [escolher uma região com menos carbono](/pt/como/como-escolho-uma-regiao-de-nuvem-com-baixo-carbono/). Veja
[treinamento e inferência eficientes](/pt/boas-praticas/treinamento-e-inferencia-de-ia-eficientes/).

## Fontes

- [Carbon Intensity API](https://carbonintensity.org.uk/), National Energy System Operator (2025)
- [Carbon Aware SDK](https://github.com/Green-Software-Foundation/carbon-aware-sdk), Green Software Foundation (2025)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
