Cold Storage – przechowywanie rzadko używanych danych treningowych.

Jest to technika zarządzania danymi treningowymi stosowana w procesach uczenia maszynowego, polegająca na długoterminowym przechowywaniu informacji, które nie są często wykorzystywane w bieżących eksperymentach lub iteracjach modelu. Dane te mogą obejmować zestawy treningowe, które ze względu na ich rozmiar, koszt przetwarzania lub rzadki charakter przykładów nie są regularnie załadowywane do pamięci operacyjnej systemu, lecz pozostają w specjalnych, wolniej działających nośnikach pamięci.

Celem tego rozwiązania jest optymalizacja zasobów obliczeniowych oraz kosztów utrzymania infrastruktury. Dzięki przechowywaniu danych w sposób, który zapewnia ich dostępność w razie potrzeby, możliwe jest zachowanie kompletnych zbiorów treningowych bez konieczności ciągłego angażowania pamięci operacyjnej i systemów wysokowydajnych. Metoda ta bywa stosowana w dużych projektach sztucznej inteligencji, gdzie skala danych jest znaczna, a dostęp do wszystkich elementów zbioru nie jest wymagany z równą częstotliwością.