EAI 5000。人工智能基础。(2.25小时)
介绍人工智能领域的基本问题、理论和算法。主题包括启发式搜索和游戏树，使用谓词演算的知识表示，自动演绎及其应用，问题解决和规划，以及机器学习的介绍。必修课程包括创建工作程序，解决问题，逻辑推理，和/或使用课程中介绍的技术提高自己的表现。
EAI 5010。人工智能的应用。(2.25小时)
探索人工智能的众多行业应用，重点解决特定需求或问题。主题包括神经网络、自然语言处理和网络安全的影响。人工智能正在金融、医疗、教育和交通等众多领域和行业中积极发展应用。
EAI 5020。AI系统技术。(2.25小时)
介绍了人工智能中使用的系统技术，包括数据可视化;大型数据集市的文件系统;结构化查询语言的应用过滤和转换数据，预测等。涵盖数学/统计和计算、机器学习和隐私要求。
EAI 5030。可用性和人机交互。(2.25小时)
概述了人机交互的理论和实践以及用户界面的开发。通过分析和设计项目，为学生提供了一个学习可用性研究和评估的前沿方法，测试方法，以及如何设计满足最终用户需求的系统的机会。涵盖的主题包括交互设计的行为和认知基础，良好交互设计的原则，基本的用户研究技术，以及以用户为中心的设计过程。
EAI 5080。高级分析应用。(2.25小时)
专注于数据分析的工具方法，为人工智能现代分析技术的理论和应用奠定基础。探讨了仪器分析在各个领域中对人工智能的具体使用以及跨众多专业领域的上下文应用的重要性。
EAI 6000。人工智能基础。(3小时)
介绍人工智能领域的基本问题、理论和算法。主题包括启发式搜索和游戏树，使用谓词演算的知识表示，自动演绎及其应用，问题解决和规划，以及机器学习的介绍。必修课程包括创建工作程序，解决问题，逻辑推理，和/或使用课程中介绍的技术提高自己的表现。
EAI 6010。人工智能的应用。(3小时)
探索人工智能的众多行业应用，重点解决特定需求或问题。主题包括神经网络、自然语言处理和网络安全的影响。人工智能正在金融、医疗、教育和交通等众多领域和行业中积极发展应用。
EAI 6020。AI系统技术。(3小时)
介绍了人工智能中使用的系统技术，包括数据可视化;大型数据集市的文件系统;结构化查询语言的应用过滤和转换数据，预测等。涵盖数学/统计和计算、机器学习和隐私要求。
先决条件:EAI 6000(可同时修读)最低成绩为C-;EAI 6010(可同时修读)最低成绩为C-
EAI 6030。可用性和人机交互。(3小时)
概述了人机交互的理论和实践以及用户界面的开发。通过分析和设计项目，为学生提供了一个学习可用性研究和评估的前沿方法，测试方法，以及如何设计满足最终用户需求的系统的机会。涵盖的主题包括交互设计的行为和认知基础，良好交互设计的原则，基本的用户研究技术，以及以用户为中心的设计过程。
先决条件:EAI 6000(可同时修读)最低成绩为C-;EAI 6010(可同时修读)最低成绩为C-
EAI 6050。财务信息处理。(3小时)
涵盖先进的数据管理技术和管理系统，重点关注金融行业。强调评估这些技术在不同应用环境中的优点和缺点。阐述了人工智能的特定应用上下文，并呈现了与数据管理(包括网络分层和面向对象)的实体关系，强调了处理、存储和检索，同时还包括隐私要求。
EAI 6060。医疗保健信息处理。(3小时)
涵盖先进的数据管理技术和管理系统，重点关注医疗保健行业。强调评估这些技术在不同应用环境中的优点和缺点。阐述了人工智能的特定应用上下文，并呈现了与数据管理(包括网络分层和面向对象)的实体关系，强调了处理、存储和检索，同时包含了隐私要求。
EAI 6070。人力资源信息处理。(3小时)
涵盖先进的数据管理技术和管理系统，重点关注人力资源。强调评估这些技术在不同应用环境中的优点和缺点。阐述了人工智能的特定应用上下文，并呈现了与数据管理(包括网络分层和面向对象)的实体关系，强调了处理、存储和检索，同时包含了隐私要求。
EAI 6080。高级分析应用。(3小时)
专注于数据分析的工具方法，为人工智能现代分析技术的理论和应用奠定基础。探讨了仪器分析在各个领域中对人工智能的具体使用以及跨众多专业领域的上下文应用的重要性。
EAI 6120。人工智能通信和可视化。(3小时)
提供一个关键的信息设计概念的概述，强调信息和受众之间的关系在沟通复杂的定量信息的背景下。包括三个主要的上下文领域:探索性数据可视化、仪表板和记分卡设计以及空间数据表示。讨论与数据分析的沟通和可视化相关的伦理问题:讲故事;不同的技术(如R-spatial, GeoDa, GeoWave, GeoTrellis, GeoMesa，图形数据库网络可视化);以及视觉设计的原则，包括隐私要求。
EAI 6980。综合体验顶点。(3小时)
为学生提供一个机会，将在企业人工智能计划中获得的知识、技能和最佳实践应用到特定学科人工智能项目的开发和交付实践中。学生提出项目计划，进行研究，创建并提出建议，目的是将人工智能应用于组织中的现实问题。学生发展并提出成功实施顶点项目的见解和建议。