Proponemos un método distribuido novedoso para problemas de optimización no convexos con restricciones de igualdad e desigualdad de acoplamiento. Este método transforma el problema de optimización en una forma específica para permitir la implementación distribuida de métodos modificados de descenso de gradiente y de Newton de manera que operen como si fueran distribuidos. Demostramos que para el método distribuido propuesto: (i) las comunicaciones son significativamente menos consumidoras de tiempo que las llamadas al oráculo, (ii) su tasa de convergencia es equivalente a la convergencia del método de Newton en cuanto a llamadas al oráculo, y (iii) para los casos en los que las llamadas al oráculo son más costosas que la comunicación entre agentes, la transición de un paradigma centralizado a uno distribuido no afecta significativamente el tiempo computacional. El método propuesto es aplicable cuando la función objetivo es dos veces diferenciable y las restricciones son diferenciables, lo cual es válido para una amplia gama de métodos de aprendizaje automático y configuraciones de optimización.