پردازش سری‌های زمانی (Time Series Processing) به مجموعه‌ای از فنون و روش‌های محاسباتی اشاره دارد که برای تحلیل داده‌هایی که در طول زمان به صورت متوالی و به صورت دوره‌ای اندازه گیری شده‌اند، به کار می‌روند. این فناوری برای تحلیل داده‌های مالی، زمین‌شناسی، بیولوژی، پزشکی و بسیاری دیگر از کاربردها مورد استفاده قرار می‌گیرد. مثال‌هایی از سری‌های زمانی می‌تواند داده‌های بازار سهام، دمای هوا، ضربان قلب، فشار خون، تولید یا مصرف انرژی و بسیاری موارد دیگر باشد. پردازش سری‌های زمانی با استفاده از الگوریتم‌های مختلفی مانند ARIMA، LSTM، Prophet و بسیاری دیگر، به تحلیل داده‌های زمانی می‌پردازد. هدف اصلی این حوزه، پیش‌بینی و تحلیل روند داده‌های زمانی و کشف الگوهای مختلف در داده‌های زمانی است. از کاربردهای پردازش سری‌های زمانی می‌توان به پیش‌بینی روند بازار سهام، تشخیص تغییرات زمانی در داده‌های پزشکی، پیش‌بینی مصرف انرژی، پیش‌بینی سطح آب و بسیاری موارد دیگر اشاره کرد.