"""
Entrypoint do pipeline ``atualizado`` (MLP tabular em PyTorch).

Toda a orquestração (modos train/test/predict, leitura de config,
escrita dos artefatos) vive em ``docker/base_main.py``. Aqui só
registramos as peças concretas desta arquitetura:

  - ``TrainingDataset`` (de :mod:`dataset`)
  - ``create_model``    (de :mod:`model`)

Como o input é tabular, o ``predict_input_loader`` default do
``base_main`` (que lê CSV/XLSX) já serve — não precisa passar nada.
Arquiteturas futuras (ex.: CNN para imagem) podem passar um loader
próprio na chamada de ``run_pipeline``.
"""

from __future__ import annotations

import os
import sys

# Permite importar base_main.py de ../
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), "..")))

from base_main import run_pipeline  # noqa: E402
from dataset import TrainingDataset  # noqa: E402
from model import create_model  # noqa: E402


if __name__ == "__main__":
    sys.exit(
        run_pipeline(
            dataset_cls=TrainingDataset,
            model_factory=create_model,
        )
    )