Staff Machine Learning Engineer Job at AppGate Cybersecurity, Inc. in New York
AppGate Cybersecurity, Inc., New York, NY, United States
We are seeking an exceptional Staff Machine Learning Engineer to lead the design and development of the next generation of our AI-driven fraud detection platform .
You will architect large-scale ML systems that detect and prevent fraud in real time combining deep machine learning expertise with scalable engineering and domain knowledge in financial systems.
This is a hands-on technical leadership role, shaping our fraud prevention roadmap and ensuring the platform evolves to meet emerging threat patterns through automation, data intelligence, and generative AI–enhanced detection models.
Responsibilities
Architect and build scalable ML systems for fraud detection, anomaly detection, and behavioral analysis.
Develop and maintain end-to-end ML pipelines: data ingestion, feature engineering, model training, deployment, and monitoring.
Leverage modern AI techniques , including generative AI, to improve fraud pattern discovery and model robustness.
Design and implement real-time decision systems , integrating with transaction or behavioral data streams.
Collaborate closely with engineering, security, and risk teams to define data strategy and labeling frameworks.
Lead experimentation on model explainability, drift detection, and adversarial robustness for fraud prevention use cases.
Promote engineering excellence — automation, CI/CD, reproducibility, observability, and model governance.
Mentor and guide ML and software engineers, fostering best practices and innovation.
5+ years of experience building ML or AI systems in production; at least 2+ in fraud, risk, or anomaly detection domains.
Proven track record designing and maintaining ML pipelines at scale.
Expertise in Python , ML frameworks (e.g., PyTorch, TensorFlow, scikit-learn), and CI/CD (GitHub Actions, Jenkins, or similar).
Strong understanding of supervised / unsupervised learning , anomaly detection, and statistical modeling.
Experience with big data and distributed systems (e.g., Spark, Kafka, Flink, or similar).
Familiarity with cloud platforms (AWS, GCP, or Azure) and containerized deployments (Docker, Kubernetes).
Strong collaboration, communication, and cross-team leadership skills.
Preferred Qualifications
Prior experience with fraud or financial crime detection , identity verification , or risk scoring systems .
Domain expertise in banking , payments , or transaction monitoring
Experience fine-tuning or adapting generative AI / large language models for pattern generation or synthetic data augmentation.
Familiarity with streaming analytics , graph ML , or time-series anomaly detection .
Knowledge of model governance , bias mitigation , and regulatory compliance in fraud contexts.
Contributions to fraud detection research, open-source, or AI publications.
Appgate is An Equal Opportunity/Affirmative Action Employer. All qualified applicants will receive consideration for employment without regard to race, color, religion, sex, sexual orientation, gender identity, national origin, disability or veteran status, age or any other federally protected class. In furtherance of Appgate’s policy regarding affirmative action and equal employment opportunity, Appgate has developed a written affirmative action program. This program is available for review upon request by any applicant or employee during normal business hours by contacting the company’s EEO Coordinator.
#J-18808-Ljbffr
In Summary: We are seeking an exceptional Staff Machine Learning Engineer to lead the design and development of the next generation of our AI-driven fraud detection platform . You will architect large-scale ML systems that detect and prevent fraud in real time combining deep machine learning expertise with scalable engineering and domain knowledge in financial systems .
En Español: Buscamos un ingeniero de aprendizaje automático excepcional para liderar el diseño y desarrollo de la próxima generación de nuestra plataforma de detección de fraudes impulsada por IA. Arquitectarás sistemas ML a gran escala que detecten y previenan fraude en tiempo real combinando experiencia en aprendizaje de máquina profunda con ingeniería escalablable y conocimientos sobre dominios en los sistemas financieros. Este es un papel de liderazgo técnico práctico, dando forma a nuestra hoja de ruta de prevención del fraude y asegurándonos de que la plataforma evolucione para satisfacer patrones emergentes de amenaza mediante automatización, inteligencia de datos y modelos generativos mejorados por AI. Responsabilidades Arquitetura y construcción de sistemas ML escalables para detectar fraudes, detectar anomalías y análisis de comportamiento. Desarrollar y mantener canalizaciones de extremo a extremo: ingestión de datos, características, entrenamiento de modelo, cierre y monitoreo. Aprovechar las prácticas modernas , fomenta la robustez de los equipos de ingeniería de datos para mejorar la detección e implementación de riesgos de seguridad de software, así como desarrollando mejores técnicas de gestión de procesos de control y manejo de proyectos de tecnología de TI/CI, fomentar la capacidad experimentación y la mejora de casos de resolución de problemas de riesgo, implementar estrategias innovadoras y soluciones tecnológicas, integrar sistemas de administración de código abierto de información y gestión de datos con ingenieradas, crear una mayor eficacia de pruebas de trabajo con ingeniera o de ingenieria de TI-tecnología (MTCD). Experiencia en Python, marcos ML (por ejemplo, PyTorch, TensorFlow, scikit-learn) y CI/CD (GitHub Actions, Jenkins o similares). Comprensión sólida del aprendizaje supervisado / sin supervisión , detección de anomalías y modelado estadístico. experiencia con grandes datos y sistemas distribuidos (p.ej., Spark, Kafka, Flink, u otros similares). Familiarización con plataformas cloud (AWS, GCPgate o Azure) y despliegues contenedoras (Docker, Kubernett, etc.). Todos los solicitantes calificados recibirán consideración para el empleo sin tener en cuenta la raza, color, religión, sexo, orientación sexual, identidad de género, origen nacional, discapacidad o estatus de veterano, edad u otra clase protegida por el gobierno federal. En apoyo a la política de Appgate sobre acción afirmativa y igualdad de oportunidades laborales, Appgate ha desarrollado un programa escrito de acciones afirmativas. Este programa está disponible para revisión si lo solicita cualquier solicitante o empleado durante las horas comerciales normales contactando al Coordinador EEO de la compañía. #J-18808-Ljbffr
You will architect large-scale ML systems that detect and prevent fraud in real time combining deep machine learning expertise with scalable engineering and domain knowledge in financial systems.
This is a hands-on technical leadership role, shaping our fraud prevention roadmap and ensuring the platform evolves to meet emerging threat patterns through automation, data intelligence, and generative AI–enhanced detection models.
Responsibilities
Architect and build scalable ML systems for fraud detection, anomaly detection, and behavioral analysis.
Develop and maintain end-to-end ML pipelines: data ingestion, feature engineering, model training, deployment, and monitoring.
Leverage modern AI techniques , including generative AI, to improve fraud pattern discovery and model robustness.
Design and implement real-time decision systems , integrating with transaction or behavioral data streams.
Collaborate closely with engineering, security, and risk teams to define data strategy and labeling frameworks.
Lead experimentation on model explainability, drift detection, and adversarial robustness for fraud prevention use cases.
Promote engineering excellence — automation, CI/CD, reproducibility, observability, and model governance.
Mentor and guide ML and software engineers, fostering best practices and innovation.
5+ years of experience building ML or AI systems in production; at least 2+ in fraud, risk, or anomaly detection domains.
Proven track record designing and maintaining ML pipelines at scale.
Expertise in Python , ML frameworks (e.g., PyTorch, TensorFlow, scikit-learn), and CI/CD (GitHub Actions, Jenkins, or similar).
Strong understanding of supervised / unsupervised learning , anomaly detection, and statistical modeling.
Experience with big data and distributed systems (e.g., Spark, Kafka, Flink, or similar).
Familiarity with cloud platforms (AWS, GCP, or Azure) and containerized deployments (Docker, Kubernetes).
Strong collaboration, communication, and cross-team leadership skills.
Preferred Qualifications
Prior experience with fraud or financial crime detection , identity verification , or risk scoring systems .
Domain expertise in banking , payments , or transaction monitoring
Experience fine-tuning or adapting generative AI / large language models for pattern generation or synthetic data augmentation.
Familiarity with streaming analytics , graph ML , or time-series anomaly detection .
Knowledge of model governance , bias mitigation , and regulatory compliance in fraud contexts.
Contributions to fraud detection research, open-source, or AI publications.
Appgate is An Equal Opportunity/Affirmative Action Employer. All qualified applicants will receive consideration for employment without regard to race, color, religion, sex, sexual orientation, gender identity, national origin, disability or veteran status, age or any other federally protected class. In furtherance of Appgate’s policy regarding affirmative action and equal employment opportunity, Appgate has developed a written affirmative action program. This program is available for review upon request by any applicant or employee during normal business hours by contacting the company’s EEO Coordinator.
#J-18808-Ljbffr
In Summary: We are seeking an exceptional Staff Machine Learning Engineer to lead the design and development of the next generation of our AI-driven fraud detection platform . You will architect large-scale ML systems that detect and prevent fraud in real time combining deep machine learning expertise with scalable engineering and domain knowledge in financial systems .
En Español: Buscamos un ingeniero de aprendizaje automático excepcional para liderar el diseño y desarrollo de la próxima generación de nuestra plataforma de detección de fraudes impulsada por IA. Arquitectarás sistemas ML a gran escala que detecten y previenan fraude en tiempo real combinando experiencia en aprendizaje de máquina profunda con ingeniería escalablable y conocimientos sobre dominios en los sistemas financieros. Este es un papel de liderazgo técnico práctico, dando forma a nuestra hoja de ruta de prevención del fraude y asegurándonos de que la plataforma evolucione para satisfacer patrones emergentes de amenaza mediante automatización, inteligencia de datos y modelos generativos mejorados por AI. Responsabilidades Arquitetura y construcción de sistemas ML escalables para detectar fraudes, detectar anomalías y análisis de comportamiento. Desarrollar y mantener canalizaciones de extremo a extremo: ingestión de datos, características, entrenamiento de modelo, cierre y monitoreo. Aprovechar las prácticas modernas , fomenta la robustez de los equipos de ingeniería de datos para mejorar la detección e implementación de riesgos de seguridad de software, así como desarrollando mejores técnicas de gestión de procesos de control y manejo de proyectos de tecnología de TI/CI, fomentar la capacidad experimentación y la mejora de casos de resolución de problemas de riesgo, implementar estrategias innovadoras y soluciones tecnológicas, integrar sistemas de administración de código abierto de información y gestión de datos con ingenieradas, crear una mayor eficacia de pruebas de trabajo con ingeniera o de ingenieria de TI-tecnología (MTCD). Experiencia en Python, marcos ML (por ejemplo, PyTorch, TensorFlow, scikit-learn) y CI/CD (GitHub Actions, Jenkins o similares). Comprensión sólida del aprendizaje supervisado / sin supervisión , detección de anomalías y modelado estadístico. experiencia con grandes datos y sistemas distribuidos (p.ej., Spark, Kafka, Flink, u otros similares). Familiarización con plataformas cloud (AWS, GCPgate o Azure) y despliegues contenedoras (Docker, Kubernett, etc.). Todos los solicitantes calificados recibirán consideración para el empleo sin tener en cuenta la raza, color, religión, sexo, orientación sexual, identidad de género, origen nacional, discapacidad o estatus de veterano, edad u otra clase protegida por el gobierno federal. En apoyo a la política de Appgate sobre acción afirmativa y igualdad de oportunidades laborales, Appgate ha desarrollado un programa escrito de acciones afirmativas. Este programa está disponible para revisión si lo solicita cualquier solicitante o empleado durante las horas comerciales normales contactando al Coordinador EEO de la compañía. #J-18808-Ljbffr