ajout exercices, corrections diverses, glossaire

- Ajout des 10 TPs d'évaluation (sans PDF)
- Création GLOSSAIRE.md et AMELIORATIONS.md
- Corrections f-strings, eval(), sommaires

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

knn/EXERCICES.md

@@ -1,5 +1,11 @@
 ### Exercices
 
+**Niveaux de difficulté :** ⭐ Facile | ⭐⭐ Moyen | ⭐⭐⭐ Difficile
+
+---
+
+## Exercice 1 ⭐⭐
+
 1. **Écrire une fonction `calculer_distance`** qui prend en entrée les caractéristiques de deux Pokémon et retourne la distance euclidienne entre eux.
 2. **Tester la fonction** avec des exemples simples pour vérifier son bon fonctionnement
 
@@ -39,7 +45,7 @@ pokemon1 = [60, 62]  # Exemple de stats pour le Pokémon 1
 pokemon2 = [85, 80]  # Exemple de stats pour le Pokémon 2
 
 distance = calculer_distance(pokemon1, pokemon2)
-print(f"La distance entre les deux Pokémon est : {distance}")
+print("La distance entre les deux Pokémon est :", distance)
 ```
 
 **Résultat attendu :** `La distance entre les deux Pokémon est : 31.400636936215164`

knn/IMPLEMENTATION.md

@@ -189,7 +189,7 @@ pokemon_mystere = [65, 40]
 
 # Prédiction avec k=3
 prediction = knn(pokemons, pokemon_mystere, k=3)
-print(f"Le Pokémon mystère est probablement de type : {prediction}")
+print("Le Pokémon mystère est probablement de type :", prediction)
 ```
 
 --------

knn/README.md

@@ -1,5 +1,16 @@
 > Dans le domaine de l'apprentissage automatique dit "Machine Learning", l'algorithme des k plus proches voisins est l'un des plus utilisés.
 
+## Sommaire
+
+| Chapitre | Description |
+|----------|-------------|
+| [Distance](DISTANCE.md) | Calcul des distances entre points |
+| [Implémentation](IMPLEMENTATION.md) | Code Python de l'algorithme KNN |
+| [TP KNN](TP_KNN.md) | Travaux pratiques |
+| [Exercices](EXERCICES.md) | Exercices d'application |
+
+---------
+
 ### Le programme
 
 ![bo](assets/bo.png)