Este documento tiene como objetivo mejorar la velocidad de respuesta de SPDC (ascenso coordinado estocástico primal-dual) en el aprendizaje automático a gran escala, ya que la complejidad por iteración de SPDC no es satisfactoria. Proponemos un ascenso coordinado primal-dual estocástico acelerado llamado ASPDC y su variante acelerada adicional, ASPDC-i. Nuestros métodos propuestos ASPDC logran un buen equilibrio entre una baja complejidad de cálculo por iteración y una rápida velocidad de convergencia, incluso cuando el número de condición es muy grande. El gran número de condición causa problemas mal condicionados, que generalmente requieren muchas más iteraciones antes de la convergencia y tiempos de iteración más largos en el entrenamiento de datos para el aprendizaje automático. Realizamos experimentos en varios problemas de aprendizaje automático. Los resultados experimentales demuestran que ASPDC y ASPDC-i convergen más rápido que sus contrapartes, y también disfrutan de una baja complejidad por iteración.