Principal Machine Learning Engineer Job at AppGate in New York
AppGate, New York, NY, United States
We are seeking an exceptional Principal 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.
Minimum Qualifications 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.
What Success Looks Like Real‑time AI‑driven fraud prevention models with measurable reduction in false positives and detection latency.
Scalable, automated ML pipelines enable faster experimentation and deployment.
Cross‑functional collaboration delivering tangible business impact in fraud loss reduction.
A culture of ML excellence, experimentation, and continuous learning across the team.
Location: New York City
Experience: 5+ years (Staff) or 8+ years (Principal) in ML or fraud detection systems
Compensation: 220-265k + bonus
Equal Opportunity Employer/Protected Veterans/Individuals with Disabilities
This employer is required to notify all applicants of their rights pursuant to federal employment laws. For further information, please review the Know Your Rights notice from the Department of Labor.
#J-18808-Ljbffr
In Summary: We are seeking an exceptional Principal 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 principal 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 prevenan fraude en tiempo real, combinando experiencia en aprendizaje automatizado 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 tuberías de extremo a extremo: ingestión de datos, capacitación de características, entrenamiento de modelos, cierre y monitoreo. Aprovechar las prácticas modernas , fomentar la capacidad de los equipos de gestión de datos para mejorar las estrategias de descubrimiento e implementación de riesgos de seguridad de TI, así como desarrollar mejores soluciones tecnológicas para resolver problemas de riesgo y manejo de software, implementar proyectos innovadores o procesos de investigación de tecnología de ingeniería de inteligencia artificial (MNT), promover la mejoralización y la robustez de sistemas de control de información y la resolución de casos de infraestructuras, crear una solución óptica y integrar métodos de prueba más adecuadas para reducir la pérdidas de probabilidad de riesgo de transacciones y la vulnerabilidad de malware, así también definir las técnicas de fabricación de código electrónico. Qualificaciones 5+ años de experiencia en la construcción de sistemas ML o AI en producción; al menos 2 + en los dominios de detección de fraude, riesgo o anomalías. Experiencia probada con grandes datos y sistemas distribuidos (por ejemplo, Spark, Kafka, Flink u otros similares). Conocimiento de las plataformas cloud (p. ej., PyTorch, TensorFlow, scikit-learn) y CI/CD (GitHub Actions, Jenkins, o similares). Comprensión sólida del aprendizaje supervisado / sin supervisión , detection of anomalies y modelado estadístico. Despliegue. Colaboración interfuncional que brinde un impacto corporativo tangible en la reducción de pérdidas por fraude. Una cultura de excelencia, experimentación y aprendizaje continuo en todo el equipo. Ubicación: Nueva York City Experiencia: 5+ años (Personal) o 8 + años (Principal) en ML o sistemas de detección del fraude Compensación: 220-265k + bono Igualdad de oportunidades Empleador / Veteranos Protegidos/Individuos con Discapacidades Este empleador está obligado a notificar a todos los solicitantes sus derechos según las leyes federales de empleo Para obtener más información, consulte el aviso Know Your Rights del Departamento de Trabajo. #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.
Minimum Qualifications 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.
What Success Looks Like Real‑time AI‑driven fraud prevention models with measurable reduction in false positives and detection latency.
Scalable, automated ML pipelines enable faster experimentation and deployment.
Cross‑functional collaboration delivering tangible business impact in fraud loss reduction.
A culture of ML excellence, experimentation, and continuous learning across the team.
Location: New York City
Experience: 5+ years (Staff) or 8+ years (Principal) in ML or fraud detection systems
Compensation: 220-265k + bonus
Equal Opportunity Employer/Protected Veterans/Individuals with Disabilities
This employer is required to notify all applicants of their rights pursuant to federal employment laws. For further information, please review the Know Your Rights notice from the Department of Labor.
#J-18808-Ljbffr
In Summary: We are seeking an exceptional Principal 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 principal 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 prevenan fraude en tiempo real, combinando experiencia en aprendizaje automatizado 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 tuberías de extremo a extremo: ingestión de datos, capacitación de características, entrenamiento de modelos, cierre y monitoreo. Aprovechar las prácticas modernas , fomentar la capacidad de los equipos de gestión de datos para mejorar las estrategias de descubrimiento e implementación de riesgos de seguridad de TI, así como desarrollar mejores soluciones tecnológicas para resolver problemas de riesgo y manejo de software, implementar proyectos innovadores o procesos de investigación de tecnología de ingeniería de inteligencia artificial (MNT), promover la mejoralización y la robustez de sistemas de control de información y la resolución de casos de infraestructuras, crear una solución óptica y integrar métodos de prueba más adecuadas para reducir la pérdidas de probabilidad de riesgo de transacciones y la vulnerabilidad de malware, así también definir las técnicas de fabricación de código electrónico. Qualificaciones 5+ años de experiencia en la construcción de sistemas ML o AI en producción; al menos 2 + en los dominios de detección de fraude, riesgo o anomalías. Experiencia probada con grandes datos y sistemas distribuidos (por ejemplo, Spark, Kafka, Flink u otros similares). Conocimiento de las plataformas cloud (p. ej., PyTorch, TensorFlow, scikit-learn) y CI/CD (GitHub Actions, Jenkins, o similares). Comprensión sólida del aprendizaje supervisado / sin supervisión , detection of anomalies y modelado estadístico. Despliegue. Colaboración interfuncional que brinde un impacto corporativo tangible en la reducción de pérdidas por fraude. Una cultura de excelencia, experimentación y aprendizaje continuo en todo el equipo. Ubicación: Nueva York City Experiencia: 5+ años (Personal) o 8 + años (Principal) en ML o sistemas de detección del fraude Compensación: 220-265k + bono Igualdad de oportunidades Empleador / Veteranos Protegidos/Individuos con Discapacidades Este empleador está obligado a notificar a todos los solicitantes sus derechos según las leyes federales de empleo Para obtener más información, consulte el aviso Know Your Rights del Departamento de Trabajo. #J-18808-Ljbffr